SLAM（Simultaneous Localization and Mapping）是同时定位与建图的技术，研究焦点在于解决传感器误差和运行误差导致的问题，构建稳定系统。论文介绍了SLAM的发展历程，并探讨了使用高斯分布表示机器人位置的方法、SLAM的难点以及在线SLAM的估计形式。SLAM的主要挑战包括位置和地图的双重未知、两者间的相关性和可能出现的分歧。未来将逐步介绍SLAM的主流方法，包括动作模型和观测模型。
什么是SLAM
SLAM就是Simultaneous Localization and Mapping。对于这个问题的研究已经有三十年了，因为传感器的误差和机器人运行中会出现误差，如何解决这个问题，建议一个长期稳定的SLAM系统是研究的重点。
推荐一篇论文：Past, Present, and Future of Simultaneous Localization And Mapping: Towards the Robust-Perception Age
一篇概述性的论文，介绍了SLAM的发展至2016年的状况。
SLAM中一些符号
T代表时刻
表示机器人位置的方法
通常用高斯分布来表示机器人的位置：
我们用以下这个分布来代表对机器人位置和路径的估计：
该估计为Full SLAM, 即根据所有的observations和controls来估计机器人的map和path。与之相对的是Online SLAM:
最低0.47元/天 解锁文章
2164
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
