自律移動型ロボットにとって， 自己位置同定問題は重要な問題である． この問題に関して多くの解決手法が研究されてきた． その中で，近年注目されているのが， 問題を確率的に捉える手法である． 確率的なアプローチでは， システムや環境を確率的モデルで定式化し， ベイズ推定法に基づいて再帰的に計算可能な 自己位置推定手法が実現されている． 特に， Kalman Filter(KF)とMonte Carlo Localization(MCL)は 確率的アプローチの中で現在広く用いられている手法である． KFは少ない計算量で正確な状態推定を行うことができるが， 状態の確率分布をガウス分布で近似するため， 確率分布が単峰型でなければならない． また，推定を失敗した時に， 推定を回復することが困難である． MCLでは任意の確率分布形状に対応することができるが， 推定の精度を上げるのに比例して計算量も増加する．
本論文では，KFとMCLを融合したMixture Kalman Filters(MKF) を用いた新たな自己位置同定アルゴリズムを示す． そして，計算機シミュレーションとネズミ型自律移動型ロボット Cyber Rodentを用いた検証実験によって， 提案手法の有効性を示す．