過程雜訊與測量雜訊

當機器人試圖追蹤一個它無法直接看到的東西——它真實的位置、它真實的速度——它會依靠兩幅關於世界的圖景，而每一幅都自帶某種模糊。一幅圖景是預測：「根據我之前的運動方式，我現在大致應該在這裡。」另一幅是觀測：「我的感測器剛剛告訴我，我在那邊。」兩者都不完美，而這兩種不完美各有其名。過程雜訊是預測裡的那份偏差——真實世界拒絕乖乖遵循機器人所用的那條整潔規則的種種小方式。測量雜訊則是觀測裡的那份偏差——感測器誤報自己所見的種種小方式。

過程雜訊來自這樣一個事實：預測步驟依賴於一個把運動方式簡化了的模型，而現實總會在這個模型之外游走一點：車輪打滑、一陣風推了無人機一把、馬達比指令多使了那麼一絲勁。它是運動本身的不確定性——「我假定我會怎麼動」與「我實際怎麼動了」之間的落差。相比之下，測量雜訊是「看」這件事裡的不確定性：GPS 抖動了幾米、攝影機糊了、溫度計在真實溫度附近晃來晃去。機器人的實際狀態也許穩穩當當，可感測器每次去查，遞回來的數字仍會略有不同。

把這兩者區分開來，正是卡爾曼濾波器這類濾波器運作的核心所在，因為濾波器必須裁定：自己的預測，相對於一次新鮮的感測器讀數，該信幾分。如果它認為運動模型可靠、而感測器跳來跳去，它就倚重預測，對那條帶雜訊的讀數一笑置之；如果感測器清晰、而運動難以預料，它就轉而倚重測量。把這兩種雜訊的平衡拿捏對了，估計就能保持平滑又準確；拿捏錯了，機器人要麼追著感測器的每一次抽動跑，要麼固執地無視真實世界。