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。