Influence of Location and Number of Landmarks on the Monte Carlo Localization Problem

An important problem in robotics is to determine and maintain the position of a robot that moves through a previously known environment with reference points that are indistinguishable, which is made difficult due to the inherent noise in robot movement and identification of reference pints. Monte Carlo Localization (MCL) is a frequently used technique to solve this problem and its performance intuitively depends on reference points. In this paper we evaluate the performance of MCL as a function of the number of reference points and their positioning in the environment. In particular, we show that performance is not monotonic in the number of reference points and that a random positioning of the reference points is close to optimal. Resumo. Um importante problema em robótica é determinar e manter a posição de um robô em movimento por um ambiente previamente conhecido que possui pontos de referência indistinguı́veis, que é dificultado pelo ruı́do inerente na movimentação do robô e na identificação dos pontos de referência. Localização via Monte Carlo (MCL) é uma técnica comumente utilizada para resolver este problema, cujo desempenho depende intuitivamente dos pontos de referência. Neste artigo avaliamos o desempenho do MCL em função do número de pontos de referência e do posicionamento dos pontos pelo ambiente. Em particular, mostramos que o desempenho não é monotônico no número de pontos de referência e que o posicionamento aleatório dos pontos está próximo do ótimo.