1. Introduction
课程老师Sebastian于2004年 DARPA Ground Challenge 比赛开始对无人驾驶汽车感兴趣。
他在斯坦福的团队开发了Stanley机器人(无人车),拿了第一名,车子的测距传感器包括测前方距离的一个车载雷达,还有激光传感器。在沙漠中行驶了131英里,获得了第一名,为斯坦福赢得了200万美元。
后来 UrbanChanllenge中,这个团队制作了 Junior ,并取得了第二名。比赛地形模仿的是城市交通。
后来,谷歌开始开发无人车。
2. Localization
首先要解决的问题是定位。传统的定位方式是通过 GPS卫星,但是GPS定位精度不够,误差可能有几米,但是无人车要求定位误差在几个厘米范围级别。
3. Total Probability
a.假设一个先验信度,从机器人的角度,以一维世界建模分析为例。比如当机器人在一条直线上,直线上有N个地标,这时可以假设在某个地标附近的概率为 1/N。(先验信度?)
b.机器人感知周围的环境(通过测量)
c.计算后验信度,比如它发现了一个地标(假设很多地标都差别不大),这时在机器人在相似地标附近的概率/信度 就增加了。在横轴为一维上的坐标,纵轴为在该地标的概率的平面直角坐标系上,第一次测量时,概率图形可能会从1/N的水平线,变成了有多个波峰的曲线。