Si vous sont donnés:mise à jour d'une distribution de croyance donné une measurment
une distribution de probabilité qu'un capteur de robot détecte un objet, étant donné qu'il est dans un endroit p (z | x).
probabilités a priori que le robot est dans un endroit
Une observation réelle effectuée par le capteur des robots
et demandé pour mettre à jour la distribution de probabilité donnée de cette observation, ce procédé serait une utilisation ? Je ne suis pas sûr si je devrais employer un filtre de bayes, filtre de kalman, ou si je suis trop penser à ce problème.
à titre d'exemple:
si un robot peut se déplacer le long d'une ligne de nombres de 1 à 7, avec un sondage permanent à x = 4. Le robot peut dire si le sondage est à gauche, à droite ou en face de lui (z = -1,1,0 respectueusement).
p(z|x) x=1 x=2 x=3 x=4 x=5 x=6 x=7
z= -1 0 0 0 .25 .5 .5 .5
z = 0 ... (its an example so im leaving this off)
z = 1 ...
(= 1) = 0.1; (= 2) = 0.2; (= 3) = 0.2; (= 4) = 0.2;
(= 5) = 0.2; (= 6) = 0.1; (= 7) = 0.0
que les sorties du capteur du robot z = -1. Quelle méthode devrais-je utiliser pour mettre à jour le tableau ci-dessus
Les "probabilités antérieures que le robot est dans n'importe quel endroit" sont les particules. L '"observation réelle" plus "la distribution de probabilité donnée ..." est la façon dont vous faites les mises à jour. –