可观测性（估计意义）

可观测性问的是一个看似简单的问题：仅凭我实际能取得的测量，我最终能不能把机器人那些隐藏状态里、我想知道的一切都推算出来？所谓状态，就是描述机器人处境的那一整套数字——它的位置、它的朝向，也许还有速度，也许还有某个传感器缓慢的漂移。这些数字里有许多从来不被直接测量，机器人只能从传感器实际报出的东西里去推断。如果盯着传感器看得够久之后，恰好只有唯一一种可能的状态能产生所看到的一切，那么这个状态就是可观测的。可如果两种确实不同的状态会永远产生一模一样的传感器读数，机器人就永远无从分辨，那个隐藏的量便是不可观测的——再巧妙的数学也救不回来，因为那份信息压根就从未被捕捉到。

一个朴素的画面有助于理解。想象你蒙着眼站在一间空荡荡的纯白房间里，手里只有一个指南针。你总能说出自己正朝着哪个方向，所以你的朝向是可观测的。但指南针对你究竟靠着北墙还是南墙只字不提，所以你的位置是不可观测的——对你这唯一的传感器来说，房间里每一处看起来都一模一样。现在给自己一把量到最近那面墙的卷尺，然后开始走：随着读数因你的移动而变化，那个曾经隐藏的位置就变得可以还原了。这正是可观测性在估计里那个深刻的转折：它常常取决于运动。一个量在机器人静止时不可见，一旦它以恰当的方式动起来，就可能变得可见，因为运动会让传感器讲出一个更丰富、不断变化的故事。

为什么要在意这个？因为只要状态里有一部分是不可观测的，任何滤波器——卡尔曼滤波器不行，粒子滤波器不行，谁都不行——都无法把它钉死；它们能做的最好程度，不过是在那一块周围保留一团诚实而不断膨胀的不确定性。因此工程师在信任一个估计器之前，会先检查可观测性，并且常常专门设计机器人的传感器布局或它的运动方式，好让他们在意的那些东西变成可观测的。这正是一个数据真能回答的问题，与一个无论算法多好、机器人都注定只能瞎猜的问题之间的分野。