第一周 Gaussian Model Learning

第一周 Gaussian Model Learning

本课程来源于coursera的估计与学习课程，课程链接： 估计与学习

一.什么是估计与学习

估计是从有噪声的，不完整的及不确定的数据中估计世界的某些状态，而学习则是机器人利用他们先前的经验，来改善他们在这种不确定环境下的表现。

机器人领域的不确定性来源都有哪些呢? 首先 传感器有噪声 意思是说传感器可能提供不准确的信息 第二 对世界的认知不足 就是说有些东西可能被遮挡 机器人无法直接观察到 第三 在运动和环境中都有一些动态的变化 就是说事物会随时间变化 而且机器人无法准确知道当前时刻物体的位置或状态。

二.高斯函数

本节课程主要介绍如何利用一元高斯函数对机器人误差进行建模。

在正式学习之前，我们需要明白为什么学习高斯分布非常重要？是什么让高斯分布变得非常有用而且重要？

1. 描述高斯分布只需要两个参数，很容易计算和推断。
2. 高斯分布具有一些很好的数学性质​，比如多个高斯分布相乘，可以形成另外一个高斯分布。
3. 根据中心极限定理，大量相互独立的随机变量，其均值的分布以高斯分布为极限。而噪声和不确定性就是包含大量相互独立的随机变量的数据，用高斯分布对它们进行建模是不二选择。

由于实践和理论性，我们采用高斯分布。