FastSLAM
FastSLAM 利用「給定機器人路徑時各地標條件獨立」的性質，把 SLAM 後驗分解為路徑分布與各地標的條件分布：以粒子濾波器（particle filter）取樣路徑，每個粒子再為每個地標維持一個小型 EKF。作者以樹狀資料結構使每次更新的時間複雜度降為 O(M log K)，並讓每個粒子各自做資料關聯（data association），因此可同時追蹤多種關聯假設。模擬中地標數擴充到 50,000 個，實體機器人實驗則以人工測得的地標位置比對。
本頁內容
Factors the SLAM posterior into a particle-sampled path and independent per-landmark EKFs, giving O(M log K) updates and per-particle data association.
技術屬性
欄位內容為文獻擷取紀錄的原文用語（英文），以原文為據；「未查證」表示本研究尚未讀到該資訊，不代表該方法不具備此能力。
| 感測輸入 | ["2D laser range finder (SICK)","robot controls u_t (odometry sensor not named in the paper)"] |
|---|---|
| 原文測試平台 | wheeled UGV、simulation |
| 狀態估計 | Rao-Blackwellized particle filter (particles over robot path, one small EKF per landmark per particle) |
| 資料關聯 | per-particle maximum-likelihood landmark association with new-landmark threshold |
| 時間表示 | discrete poses |
| 去畸變 | 原文未報告 |
| 迴圈閉合 | implicit through particle weighting and resampling; no explicit loop-closure module |
| 全域最佳化 | none |
| 地圖表示 | point landmarks stored in a balanced binary tree per particle |
| 先驗資訊 | none |
| 可輸出幾何 | landmark positions and robot path per particle |
| 計算需求 | O(M log K) per update with M particles and K landmarks (Efficient Implementation section) |
使用設備
原文使用的感測器、運算硬體與載具（equipment）。型號保留原文寫法，連結到設備頁中同一型號的歸併名稱；角色依原文用途分為方法輸入、資料集感測器、執行運算平台、參考或真值量測（reference or ground truth）與比較對象設備。
| 類別 | 型號（原文寫法） | 角色 | 資料集 | 原文規格 | 出處 |
|---|---|---|---|---|---|
| LiDAR | SICK laser range finder | 方法輸入 | 未標示 | 原文未報告 | (Montemerlo et al., 2002, Experimental Results) |
| 載具平台 | Pioneer robot | 方法輸入 | 未標示 | 原文未報告 | (Montemerlo et al., 2002, Experimental Results, Fig. 4) |
作者報告的優勢與限制
優勢
- Scales logarithmically with the number of landmarks
- simulated maps up to 50,000 landmarks with 100 particles, using about 0.3% of the parameters of a conventional EKF (abstract
- Experimental Results) | A fixed particle count (e.g., M = 100) appeared to work well across a large number of situations, and more landmarks mildly reduced pose and map error (Experimental Results, Fig. 6) | Per-particle data association can recover from wrong associations more readily than a single EKF hypothesis (Data Association section)
限制
- The authors report that in some situations the number of particles required for accurate mapping may be prohibitively large (Introduction).
- Stachniss et al. (Handbook 2016, Sec. 46.2.4) note that the number of particles can grow very large for nested loops.
營建工程相關證據
未在營建場域測試（NASA 火星車研究用小型場地與模擬）。屬 2D 地標式 SLAM 背景知識，不能直接代替 3D 工程點雲比較。
原文驗證環境：模擬、受控實驗、獨立參考量測
報告的性能數據
以下是原文作者報告的性能數值（author-reported results），不是本研究重新量測的結果。每張圖只並列同一個比較組（comparison group，同一張表、同一組實驗設定）內的方法；不同比較組之間的數值不可直接比較，也不構成排名。
本方法共出現在 2 個比較組，合計 3 筆紀錄。
Montemerlo et al., 2002 · Text Experimental Results 本方法 2 筆
資料集與序列NASA-funded Mars rover test arena · single straight-line run
表格設定（擷取紀錄原文）：Physical testbed: Pioneer robot with SICK laser mapping rocks in a Mars-rover research arena; FastSLAM map compared with manually determined landmark (rock) locations (Montemerlo et al., 2002, Text Experimental Results)
average residual map error compared to the manually generated map，NASA-funded Mars rover test arena · single straight-line run
這張表在此指標與資料序列只列出本方法一筆，沒有可並列的其他方法，因此不畫圖，數值與出處見下表。這是 Montemerlo et al., 2002 在此表設定下報告的數值（author-reported results），不代表方法在其他資料或設定下的表現。
| 方法（原文寫法） | 報告值 | 出處 |
|---|---|---|
| FastSLAM (M = 10 samples)本方法原文提出 | 8.3 cm | (Montemerlo et al., 2002, Experimental Results, Fig. 4c) |
Montemerlo et al., 2003 · Table Sec. 6 本方法 1 筆
指標processing time for the whole data set
資料集與序列Victoria Park (Sydney) · full data set (3.5 km)
表格設定（擷取紀錄原文）：Total time to process the Victoria Park data set on a 1 GHz Pentium PC; data acquisition took 1,550 s (Montemerlo et al., 2003, Table Sec. 6)
processing time for the whole data set，Victoria Park (Sydney) · full data set (3.5 km)
只並列這張表在相同設定下報告的方法；以「本方法：」開頭者為本頁方法。失敗、未執行與未報告以標記呈現，不是 0。
按 Tab 進入圖表後，用上下方向鍵逐一瀏覽各類別，Esc 關閉提示框；也可開啟表格檢視閱讀全部數值。
這些是 Montemerlo et al., 2003 在此表設定下報告的數值（author-reported results），只能在同一個比較組內對照，不代表方法在其他資料或設定下的表現。
資料來源作者報告值(Montemerlo et al., 2003, Table Sec. 6)
| 方法（原文寫法） | 報告值 | 出處 |
|---|---|---|
| EKF硬體：1GHz Pentium PC | 7807 s | (Montemerlo et al., 2003, Sec. 6 table) |
| regular FastSLAM, M=50 particles本方法硬體：1GHz Pentium PC | 315 s | (Montemerlo et al., 2003, Sec. 6 table) |
| FastSLAM 2.0, M=1 particle原文提出硬體：1GHz Pentium PC | 54 s | (Montemerlo et al., 2003, Sec. 6 table) |
來源
Montemerlo et al., 2002
（2002）FastSLAM: A Factored Solution to the Simultaneous Localization and Mapping ProblemProceedings of the Eighteenth National Conference on Artificial Intelligence (AAAI-02), pp. 593-598
同儕審查已出版已讀全文經典