机器人学本质上研究的是世界中运动物体的问题。在实际应用中，各种机器人面对的共同问题是——控制和状态估计。
机器人的状态：一组完整描述它随时间运动的物理量。
1.1 状态估计简史
1.2 传感器，测量和问题定义
状态估计的过程：理解传感器本质的过程；
状态估计问题：因为传感器精度存在不确定性，需要利用所有的不确定量推断状态估计的置信度，即如何以最好的方式利用已有的传感器；
传感器：以一定的精度测量物理量；
内感受型(interoceptive)：测量自身数据，如速度、角速度、加速度等；
外感受型(exteroceptive)：测量外部数据，如角度和位置；
本书主要研究的问题：
状态估计，是根据系统的先验模型和测量序列，对系统内在状态进行重构的问题。
这个问题的描述有不同版本，解决⽅法也很多。我们的主要目的，是理解在不同情况下，哪种方法能更好地解决问题，从而针对性地选择最好的工具。
1.3 本书内容
状态估计机理；高斯噪声影响下线性系统状态估计中的经典结论，然后拓展到非高斯非线性系统下。涵盖递归状态估计方法和批量方法、贝叶斯方法（对比全贝叶斯方法和最大后验估计方法）
三维空间运动机理；三维空间机器人的状态估计。
状态估计的应用；分析经典的三维估计问题；展示基于三维空间运动机理使用状态估计机理的方法。
其它教程
Probabilistic Robotics：专注于二维定位和建图的状态估计；
Computational principles ofmobile robotics：
Robotics, vision and control
Bayesian Filtering andSmoothing：详细讲述了递归状态估计方法；
Stochastic Models, Information Theory, and Lie Groups: Classical Results and Geometric Methods：矩阵李群上状态估计的结果；
Engineering Applications ofNoncommutative Harmonic Analysis: With Emphasis on Rotation and Motion Groups
Optimization on Matrix Manifolds：优化的数值不是向量时，如何处理优化问题；
本书既关注状态估计，又介绍了三维空间问题。
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)
