概率机器人阅读笔记

第一章 绪论

机器人学是一门通过计算机控制设备来感知和操纵物理世界的科学，脱离开结构化的工作环境，客观世界中存在着大量的不确定性：

• 机器人环境的不可预测
• 传感器感知信息的局限性
• 执行机构的不确定性
• 机器人软件中抽象模型的误差。

为了使机器人接纳这些不确定性，《概率机器人》致力于将机器人感知与行为的不确定性用概率理论明确地表示出来，推测整个空间中概率分布信息，表示出每种可能的模糊性和置信度，形成相对鲁棒的控制方式。

概率理论是有其局限性的，主要在计算的复杂性和近似的必要性上。

机器人技术的发展已经经历了基于模型的范式和基于行为的范式，前者依赖于给定的环境和机器人的完整的精确的模型，后者则依赖于机器人与物理世界交互过程中的检测的精确性，现代概率机器人学从20世纪90年代中期已经出现，通过将模型和传感器测量两者相结合，设计出控制行为。

第二章 递归状态估计

本章节介绍的贝叶斯滤波，是状态估计的递归算法，是本书几乎每一项技术的基础。

概率

可以将普通的一维正态分布表示为：
p ( x ) = ( 2 π σ 2 ) − 1 2 exp ⁡ { − 1 2 ( x − μ ) 2 σ 2 } p(x)=(2{\pi}{\sigma}^2)^{-\frac{1}{2}}\exp\{-\frac{1}{2}\frac{(x-\mu)^2}{ {\sigma}^2}\} p(x)=(2πσ2)−21​exp{ −21