Uso de un filtro de partículas para la localización de robots

Question

Tengo un robot que tiene un GPS y sensores de velocidad. El GPS se actualiza aproximadamente cada 1-2 segundos. He estado jugando con un filtro Kalman que ha funcionado bastante bien. Acabo de aprender y finalmente creo que entiendo los filtros de partículas, así que me pregunto si un filtro de partículas puede ser útil para realizar un seguimiento de la ubicación del robot entre las actualizaciones del GPS en lugar del filtro de Kalman.

Mi plan sería algo así:

1. Coordenadas GPS de partida.
2. Crear N partículas aleatorias distribuidas alrededor de la coordenada inicial (2 metros es la precisión típica de la mayoría de los sensores GPS)
3. El robot se mueve y registra los datos de velocidad de los sensores
4. Mover todas las partículas basándose en un modelo lineal, datos de velocidad y ruido
5. Con la siguiente actualización del sensor GPS se ponderan las partículas en base a una gaussiana a partir de las coordenadas actualizadas.

¿Estoy en el camino correcto o vale la pena tratar de codificar esto o debería seguir con el filtro Kalman ya que es un sistema lineal?

Answer 1

El filtro de Kalman es óptimo cuando el sistema es lineal y los ruidos son gaussianos, así que si ese es el caso no hay razón para cambiar a un filtro de partículas (que, además de ser subóptimo para sistemas lineales, tarda mucho más en ejecutarse).