见钱颜开
幼苗
共回答了22个问题采纳率:81.8% 举报
当机器人的感觉,当它移动时,分别为.
假设机器人只是感觉到秒马尔可夫定位,然后
P(升Ĵ s)为FF p上(的J升)芘(升)
其中FF是一个正规化,确保由此产生的概率
能力总结为一个.当机器人的动作,马尔可夫
本地化更新P(升)
能力:
P(:01)=
使用的总概率定理,
ž
P(〇升Ĵ了;升)芘(升)分升
这里指的行动命令.这两个更新
方程的形式对马尔可夫定位的基础.严格
而言,他们是只适用的环境符合
条件独立性假设(马尔可夫假定:-
tion),其中规定,该机器人的构成是唯一的国家
其中.换句话说,马尔可夫定位只适用于
静态环境.
不幸的是,标准马尔可夫定位的AP -
proach容易失败在人口稠密的环境中,
因为这些违反基本马尔可夫假设.在
博物馆里,人们经常堵住了机器人的传感器,
如图1所示.形象地说,如果人们
排队为“墙”在机器人的前面,他们往往
确实,基本马尔可夫定位模式,使
机器人终于相信它确实是在一墙前.
为了解决这个问题,犀牛采用了“熵
过滤器“(福克斯等人.1998年b).此过滤器,它是适用于所有
个别接近测量,各种测量
两个水桶:一个包含所有被假定为肺心病,
rupted传感器的读数,而且是假设包含
只有真实的(非损坏)的.要确定哪些
传感器的读数已损坏,这主要是因为,恩,
熵的信念状态相对熵过滤措施
前后装有感应测量:
P(L)的疏水常数(升)升+ P(升Ĵ s)疏水常数(升Ĵ s)分升
升传感器的读数,增加机器人的确定性
(_H(升中,S)“0)被认为是真实的.所有其他森
长远发展策略的读数被认为是损坏的,因此
没有纳入机器人的信念.在博物馆里,
可靠地确定过滤器传感器读数被发现
败坏了在场的人,只要机器人
知道它的大致构成.不幸的是,熵过滤,
之三可以防止机器人一旦恢复其立场松动
完全.为了避免这个问题,我们的做法也incor -
porates一个随机选择的传感器读数少数
除了由选定的过滤器的熵.见(福克斯
等.1998年b)对于这个问题的替代解决方案
1年前
2