パーティクルフィルタ（ぱーてぃくるふぃるた）
最終更新：2026/4/27
パーティクルフィルタは、確率モデルに基づき、観測データから状態を推定する逐次モンテカルロ法の一種である。
別名・同義語 シーケンシャルモンテカルロ法モンテカルロロケライゼーション
ポイント
主に、非線形・非ガウスな状態空間モデルにおける状態推定に用いられ、ロボット工学や追跡問題などで応用されている。
パーティクルフィルタの概要
パーティクルフィルタ（Particle Filter, PF）は、ベイズフィルタの一種であり、隠れた状態変数を推定するためのアルゴリズムです。カルマンフィルタが線形ガウスシステムに適用できるのに対し、パーティクルフィルタは非線形・非ガウスなシステムにも適用可能です。その柔軟性から、ロボットの位置推定、追跡、SLAM（Simultaneous Localization and Mapping）など、幅広い分野で利用されています。
パーティクルフィルタの仕組み
パーティクルフィルタは、状態空間を多数の「パーティクル」（サンプル）で表現します。各パーティクルは、状態変数の可能な値を示し、それぞれに重みが割り当てられます。重みは、観測データとの整合性を示し、整合性の高いパーティクルほど大きな重みを持つようになります。
- 初期化: 状態空間に初期パーティクルを生成し、初期重みを割り当てます。
- 予測: 各パーティクルを、システムモデルに従って次の状態に遷移させます。
- 更新: 観測データを用いて、各パーティクルの重みを更新します。観測データとパーティクルの状態が一致するほど、重みは大きくなります。
- リサンプリング: 重みの低いパーティクルを削除し、重みの高いパーティクルを複製することで、パーティクルの多様性を維持します。
これらのステップを繰り返すことで、状態変数の確率分布を近似的に推定できます。
パーティクルフィルタの利点と欠点
利点:
- 非線形・非ガウスなシステムに対応可能
- 多次元の状態空間に対応可能
- 実装が比較的容易
欠点: