leimao/Particle-Filter

🐢 ước lượng vị trí rùa trong mê cung bằng Particle Filter

Dự án áp dụng Monte Carlo Localization để ước lượng vị trí và hướng của robot trong môi trường mê cung bằng cảm biến khoảng cách tường.

Dự án Particle-Filter do Lei Mao (Đại học Chicago) phát triển, dùng thuật toán Particle Filter — một giải thuật Monte Carlo — để giải quyết bài toán suy diễn thống kê. Trong mô phỏng, rùa xanh (thực tế) và rùa cam (ước lượng) di chuyển trong mê cung. Các mũi tên màu đại diện cho hạt: đỏ = xác suất cao, xanh = thấp. Rùa được trang bị 4 cảm biến phía trước, sau, trái, phải đo khoảng cách vuông góc gần nhất tới tường.

✨ Điểm nổi bật

• Suy diễn vị trí và hướng: Ước lượng cả vị trí và hướng di chuyển của rùa.
• Cảm biến 4 hướng: Đo khoảng cách vuông góc tới tường gần nhất ở 4 phía.
• Trực quan hoá hạt: Hạt màu đỏ (xác suất cao), xanh (thấp), phản ánh quá trình suy diễn.
• Tùy chỉnh tham số: Hỗ trợ dòng lệnh với nhiều tham số như số lượng hạt, độ lệch chuẩn kernel Gaussian, tốc độ rùa, v.v.
• Tạo mê cung ngẫu nhiên: Có thể điều chỉnh kích thước, mật độ tường và hạt ngẫu nhiên.
• Hiển thị động: Xuất GIF minh họa quá trình hội tụ của bộ lọc hạt.

💡 Vì sao đáng chú ý

Không giống các bài toán ước lượng dựa trên beacon, dự án này mô phỏng môi trường mê cung phức tạp và cơ chế cảm biến đo khoảng cách tường thực tế. Dù robot còn "lung linh" và cảm biến không hoàn hảo, bộ lọc hạt vẫn đưa ra ước lượng chính xác. Đặc biệt, nó còn ước lượng được hướng di chuyển ngay cả khi cảm biến không cung cấp thông tin hướng trực tiếp.

---

#ParticleFilter #Robotics #MonteCarlo #Python #TiniX