在测量中更新信念分布

Question

如果给出了：

• 机器人传感器检测到对象的概率分布，鉴于它位于位置p（z | x）中。

• 机器人在任何位置的先验概率

• 机器人传感器做出的实际观察

并要求给定观察结果更新概率分布，一种方法将使用哪种方法？

我不确定是否应该使用贝叶斯过滤器，卡尔曼过滤器，或者是否应该考虑这个问题。

作为一个例子：

如果机器人可以沿1-7的数字线移动，则在x = 4处进行站立轮询。机器人可以判断民意调查是在其左，右还是在其前面（Z = -1,1,0谨慎）。

p(z|x)  x=1   x=2  x=3  x=4  x=5  x=6  x=7  
z= -1   0     0    0    .25  .5   .5   .5  
z = 0  ...  (its an example so im leaving this off)  
z = 1  ...  
𝑝(𝑥 = 1) = 0.1; 𝑝(𝑥 = 2) = 0.2; 𝑝(𝑥 = 3) = 0.2; 𝑝(𝑥 = 4) = 0.2;
𝑝(𝑥 = 5) = 0.2; 𝑝(𝑥 = 6) = 0.1; 𝑝(𝑥 = 7) = 0.0  

比机器人传感器输出z = -1。我将使用什么方法来更新上表

Answer 1

我不是这个专家，但是我已经看到了此链接中讨论的类似主题。我希望这是你的。祝你好运。http://bilgin.esme.org/bitsandbytes/kalmanfilterfordummies