Differenza tra i filtri antiparticolato Rao-Blackwellized e quelli normali

Da quello che ho letto finora, sembra che un filtro antiparticolato Rao-Blackwellized sia solo un normale filtro antiparticolato usato dopo aver emarginato una variabile da:

Non sono davvero sicuro di questa conclusione, quindi vorrei conoscere le differenze precise tra questi due tipi di filtri. Grazie in anticipo.

Il filtro antiparticolato Rao-Blackwellized (RBPF), come dici nella tua domanda, esegue un'emarginazione della distribuzione di probabilità del tuo spazio di stato.

Il filtro antiparticolato utilizza il campionamento per rappresentare la distribuzione di probabilità multivariata del tuo spazio di stato. L'uso dei campioni per rappresentare una distribuzione è innanzitutto solo un'approssimazione, e in secondo luogo non molto efficiente nella maggior parte dei casi. Maggiore è la dimensione dello stato, più particelle sono necessarie. Un trucco introdotto da Doucet et al. significa emarginare un sottoinsieme dello spazio degli stati, che può essere gestito in modo più efficiente usando una rappresentazione gaussiana.

$X$$Y$

$X$$Y$$Y$$X$

$Y$

Questa emarginazione è molto popolare in SLAM. Il motivo è che il campionamento congiunto della posizione e della mappa non è pratico. L'idea di RBPF è stata resa popolare in FastSLAM, rendendosi conto che emarginare le mappe dalla distribuzione congiunta rende il problema trattabile. Come nell'esempio sopra, ogni particella rappresenta una posa, corrispondenze e una mappa. Quindi esiste una mappa per particella.

Quindi la differenza tra un RBPF e un normale filtro antiparticolato è che l'RBPF campiona su un sottospazio della distribuzione di probabilità dello stato e rappresenta il resto usando una statistica diversa. Ho un'altra domanda correlata sullo sfondo matematico della parte Rao-Blackwellization.

Pagina 151 dovrebbe aiutare,

https://users.aalto.fi/~ssarkka/pub/cup_book_online_20131111.pdf

dove sei un campione (particella senza peso)