SLAM(Simultaneous Localization And Mapping)은 주변 환경에 대한 지도 작성과 자신의 위치를 인식하는 기법으로 주행 로봇 분야에서 널리 사용되고 있다. FastSLAM(A Factored Solution to the SLAM)은 파티클 필터와 확장형 칼만 필터를 기반으로 한 대표적인 SLAM 기법중의 하나이나, 재추출 단계에서 입자들의 다양성이 상실되는 문제가 제기되고 있다. 본 논문에서는 적합도 공유기법을 사용하여 입자들의 다양성 상실에 관한 문제를 보완하는 방법을 제시하고, 기존의 기법들과 성능을 비교 및 분석한다.
SLAM(Simultaneous Localization And Mapping) is a technique used by robots and autonomous vehicles to build up a map within an unknown environment and estimate a place of robot. FastSLAM(A Factored Solution to the SLAM) is one of representative method of SLAM, which is based on particle filter and extended Kalman filter. However it is suffered from loss of particle diversity. In this paper, new approach using fitness sharing is proposed to supplement loss of particle diversity, compared and analyzed with existing methods.
