遞迴貝氏估計

遞迴貝氏估計，是讓機器人的信念隨時間不斷保持最新的總配方。「貝氏」指它遵循一條簡單的推理規則：從你已經相信的東西出發，再按照新證據吻合得有多好，成比例地加以修正。「遞迴」則指它在一個迴圈裡一遍又一遍地這麼做，而最妙的地方在於——每一輪只需要上一輪的結果，而不需要曾經發生過的整段歷史。機器人從不必把自己的過去重新嚼一遍；它只是把一份滾動的總結，也就是當前的信念，一路帶著走、不停地刷新。

每個迴圈有兩拍。第一拍，機器人做預測：它拿出舊的信念，用它對自身運動的了解把信念向前推——「我命令輪子往前滾，那我的信念也該跟著往前挪」。由於運動從來都不精確，這一步總會把信念抹開一點，讓機器人變得更不確定。第二拍，機器人做糾正：一個新鮮的感測器讀數進來，機器人就把信念往測量所指的方向拉，重新收緊。預測放鬆，測量收緊；信念隨著每一步，一呼一吸地起伏。

機器人領域裡幾乎所有出名的估計器——卡爾曼濾波器、粒子濾波器，以及它們眾多的親戚——不過是把同一個抽象迴圈具體落地的不同方式罷了。它們的差別只在於怎麼存放信念、怎麼算那套數學，而非底層邏輯。一旦抓住了遞迴貝氏估計「先預測、後糾正」的節奏，你就握住了打開這一整個家族的萬能鑰匙。