1 自己位置推定の基本的な話
1.1 自己位置推定とは何か
1.2 なぜ自動運転に自己位置推定が重要か
1.3 自己位置推定のあるなしの自動運転
2 自己位置推定およびSLAMの発展の話
2.1 ICPとMCLが自己位置推定の基本
2.2 ベイズフィルタSLAMとグラフSLAM
2.3 自己位置推定と機械学習(最近の研究動向)
3 自己位置推定の定式化
3.1 グラフィカルモデルからの定式化
3.2 ベイズフィルタと呼ばれる所以の理解
3.3 ベイズフィルタと最適化の違い
4 観測モデル
4.1 ビームモデルと尤度場モデル
4.2 なぜ動的環境で自己位置が失敗するかの理解
4.3 観測の独立性の仮定の重要性とそれが引き起こす問題
5 パーティクルフィルタを用いた自己位置推定
5.1 パーティクルフィルタを用いた自己位置推定(MCL)の理解
5.2 MCLにおける実装の工夫
5.3 MCLと深層学習の融合による推定失敗からの即座復帰
6 動的環境下での自己位置推定
6.1 観測物体のクラスを考慮した自己位置推定
6.2 環境変化に対する頑健性の向上
6.3 計算・メモリコストの増大しない頑健性の向上
7 自己位置推定結果の性能保証
7.1 信頼度付き自己位置推定
7.2 深層学習を用いた自己位置推定の失敗検出
7.3 深層学習の不確かさも考慮したモデル化
7.4 自己位置推定結果の正誤を正しく理解
8 まとめ