詳解　確率ロボティクス　Ｐｙｔｈｏｎによる基礎アルゴリズムの実装

第1部　 準備

第1章 はじめに
1.1 「分からない」を扱う
1.2 確率ロボティクスの歴史
1.3 本書について

第2章 確率・統計の基礎
2.1 センサデータの収集とJupyter Notebook 上での準備
2.2 度数分布と確率分布
2.3 確率モデル
2.4 複雑な分布
2.5 多次元のガウス分布
2.6 まとめ

第3章 自律ロボットのモデル化
3.1 想定するロボット
3.2 ロボットの動き
3.3 ロボットの観測
3.4 コードの保存と再利用
3.5 まとめ

第4章 不確かさのモデル化
4.1 ノートブックの準備
4.2 ロボットの移動に対する不確かさの要因の実装
4.3 ロボットの観測に対する不確かさの要因の実装
4.4 まとめ

第2部　 自己位置推定とSLAM

第5章 パーティクルフィルタによる自己位置推定
5.1 自己位置推定の問題と解法
5.2 パーティクルの準備
5.3 移動後のパーティクルの姿勢更新
5.4 観測後のセンサ値の反映
5.5 リサンプリング
5.6 出力の実装
5.7 まとめ

第6章 カルマンフィルタによる自己位置推定
6.1 信念分布の近似と描画
6.2 移動後の信念分布の更新
6.3 観測後の信念分布の更新
6.4 まとめ

第7章 自己位置推定の諸問題
7.1 KLDサンプリング
7.2 より難しい自己位置推定
7.3 推定の誤りの考慮
7.4 MCLにおける変則的な分布の利用
7.5 まとめ

第8章 パーティクルフィルタによるSLAM
8.1 逐次SLAMの解き方
8.2 パーティクルフィルタによる演算
8.3 パーティクルの実装
8.4 ランドマークの位置推定の実装
8.5 重みの更新の実装
8.6 FastSLAM 2.0
8.7 まとめ

第9章 グラフ表現によるSLAM
9.1 問題の定式化
9.2 仮想移動エッジによる軌跡の算出
9.3 移動エッジの追加
9.4 地図の推定
9.5 センサ値が2変数の場合
9.6 まとめ

第3部　行動決定

第10章 マルコフ決定過程と動的計画法
10.1 マルコフ決定過程
10.2 経路計画問題
10.3 方策の評価
10.4 価値反復
10.5 ベルマン方程式と最適制御
10.6 まとめ

第11章 強化学習
11.1 Q学習
11.2 Sarsa
11.3 n-step Sarsa
11.4 Sarsa(λ)
11.5 まとめ

第12章 部分観測マルコフ決定過程
12.1 POMDP
12.2 Q-MDP
12.3 ランドマークの足りない状況でのナビゲーション
12.4 AMDP
12.5 まとめ

付録A ベイズ推論によるセンサデータの解析
付録B 計算