tech-seminar.jp

　自動車産業をはじめとして、さまざまな産業界でモデルベース開発の重要性が認識されてきました。本セミナーでは、究極のモデルベースアプローチであり、センシング、制御、あるいは機械学習などのAI の分野と密接な関係をもつカルマンフィルタについて述べます。特に、カルマンフィルタの実践を目指すユーザを対象として、カルマンフィルタを利用する上で有益な情報を提供することを目的とします。
　本セミナーでは、カルマンフィルタの基礎理論について、一度は勉強したことがある方を対象にします、したがって、時系列データの状態空間表現や線形カルマンフィルタのアルゴリズムについてはある程度の知識があることを前提とします。
　本セミナーでは、まず、線形カルマンフィルタのアルゴリズムを紹介し、数値例を通してカルマンフィルタの仕組みについて学習します。続いて、代表的な非線形カルマンフィルタである拡張カルマンフィルタ (EKF) と無香料カルマンフィルタ (UKF) のアルゴリズムを説明し、非線形カルマンフィルタを用いた状態とパラメータの同時推定を導入します。また、カルマンフィルタの数値的不安定性について述べ、その問題点に対処するUD分解フィルタを導入します。さらに、カルマンフィルタの2つの応用例を紹介します。時間があれば、ロバストフィルタの考え方について紹介したいと思います。

　自動車産業をはじめとして、さまざまな産業界でモデルベース開発の重要性が認識されてきました。本セミナーでは、究極のモデルベースアプローチであるカルマンフィルタについて、できるだけわかりやすく解説することを試みます。カルマンフィルタは、対象である時系列、あるいはシステムの数学モデルが与えられたとき、雑音が混入した観測データから対象の状態を推定 (フィルタリング) する方法です。
　本セミナーでは、カルマンフィルタの基礎理論について詳細に解説します。センシング、制御、あるいは機械学習などのAI の分野とカルマンフィルタの関係についても述べます。できれば、古典制御や現代制御、確率過程などの知識をお持ちの方が望ましいですが、高等学校の数学の知識があれば、本セミナーを理解できるようにお話ししたいと考えています。
　本セミナーでは、まず、線形カルマンフィルタのアルゴリズムを紹介し、数値例を通してカルマンフィルタの仕組みについて学習します。つづいて、非線形カルマンフィルタの考え方を簡単に述べます。最後に、カルマンフィルタを利用する上で重要である時系列データのモデリングについてもお話しします。

本セミナーでは、現在の自動運転自動車のセンシングに欠かせないセンサとなっているLIDARを取り上げ、自動運転自動車周囲に存在している移動物体の運動推定手法を題材とした状態推定アルゴリズムの解説を行います。

本セミナーでは、リチウムイオン蓄電池の基本特性と、そのモデル化手法を理解し、効果的な残量予測や劣化予測に関する基本的な方法について解説いたします。

本セミナーでは、カルマンフィルタを主に、状態推定アルゴリズムを解説し、自動車の自動運転への今後の展開を考えます。

本セミナーでは、リチウムイオン蓄電池の基本特性と、そのモデル化手法を理解し、効果的な残量予測や劣化予測に関する基本的な方法について解説いたします。

本セミナーでは、カルマンフィルタの実践的な応用法を解説いたします。

本セミナーでは、リチウムイオン蓄電池の基本特性と、そのモデル化手法を理解し、効果的な残量予測や劣化予測に関する基本的な方法について解説いたします。