《概率机器人》是谷歌无人汽车之父、X实验室创始人之一Sebastian Thrun博士的经典之作。这本书从数学理论模型深入到实际应用平台,以让机器人更“智能”为主题。通过概率推断的方法,读者可以了解机器人如何通过感知、决策和行动来解决现实世界中的问题。Thrun博士深入浅出地阐述了概率机器人的数学原理,并通过丰富的实例和实验,展示了其在各种场景下的应用。这本书不仅适合机器人领域的专业人士,也适合对人工智能和机器学习感兴趣的读者。它为读者提供了一种全面了解和深入研究概率机器人的途径,并帮助读者更好地理解和应用机器人技术。
概率机器人
内容介绍
《概率机器人》对概率机器人学这一新兴领域进行了全面的介绍。概率机器人学依赖统计技术表示信息和进行决策,以容纳当今大多数机器人应用中必然存在的不确定性,是机器人学的一个分支。它依赖统计技术表示信息和制定决策。这样做,可以接纳在当今大多数机器人应用中引起的不确定性。本书主要专注于算法,对于每种算法,均提供了四项内容:①伪码示例;②完整的数学推导;③实验结果;④算法优缺点的详细讨论。
《概率机器人》包括了基础知识、定位、地图构建、规划与控制四大部分。本书共17章,每章的后都提供了练习题和动手实践的项目。相信本书可以加深读者对概率机器人学的认识。
目录
- 译者序
- 原书前言
- 致谢
- 第Ⅰ部分基础知识
- 第1章绪论1
- 第2章递归状态估计10
- 第3章高斯滤波29
- 第4章非参数滤波64
- 第5章机器人运动88
- 第6章机器人感知112
- 第Ⅱ部分定位
- 第7章移动机器人定位:马尔可夫与高斯142
- 第8章移动机器人定位:栅格与蒙特卡罗179
- 第Ⅲ部分地图构建
- 第9章占用栅格地图构建213
- 第10章同时定位与地图构建235
- 第11章GraphSLAM算法258
- 第12章稀疏扩展信息滤波294
- 第13章FastSLAM算法336
- 第Ⅳ部分规划与控制
- 第14章马尔可夫决策过程374
- 第15章部分能观测马尔可夫决策过程394
- 第16章近似部分能观测马尔可夫决策过程技术421
- 第17章探测438
- 参考文献468