自己位置推定は、自動運転を実現するために最も基礎的な技術となります。これまでに提案されてきた自己位置推定法の発展の流れや、最新の自己位置推定方法などについて紹介し、今後自動運転の実用化を踏まえた上で、どのように自己位置推定技術が高度化されていくかに関して説明いたします。

1. なぜ自動運転に自己位置推定が重要なのか
   1. 自己位置推定とは
   2. 環境コンテクストの理解と自己位置推定
2. 自己位置推定 (SLAM) の発展と機械学習を用いた最新手法
   1. 自己位置推定・SLAMとは
   2. 従来法発展の流れ
   3. 最新手法の紹介
3. 自己位置推定の定式化
   1. 確率の復習・および自己位置推定問題の確率的定式化
   2. グラフィカルモデル
   3. ベイズフィルタとの対応
4. 観測モデル (自己位置推定における困難な点)
   1. 観測モデルとは
   2. ビーム・尤度場モデル
   3. 観測の独立性
5. パーティクルフィルタに基づく自己位置推定 (モンテカルロ位置推定)
   1. 最適化ベースと確率ベースの位置推定の違い
   2. モンテカルロ位置推定における工夫
6. 信頼度付き自己位置推定
   1. 通常の自己位置推定の問題点
   2. 自己位置推定における信頼度
   3. 機械学習の活用による自己位置推定の信頼度の推定
7. 環境変化に頑健な自己位置推定
   1. 自己位置推定はなぜ環境変化に脆弱か
   2. 環境変化を明示的に考慮する観測モデル
8. まとめ