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
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