状态估计与滤波

状态与信念

每个机器人都同时有两套截然不同的「我在哪、出了什么事」。第一套是状态:现实世界里真正发生的实情——机器人确确实实就在这个位置、朝着这个方向、以这个速度运动。无论机器人是否知情,状态都客观存在。麻烦在于,机器人永远没法直接看到状态;它只能透过传感器,拿到带噪声、又拐了弯的间接线索。所以机器人读不出自己真正的状态,就像你单凭皮肤的冷暖感觉,没法说出房间的确切温度一样。

机器人随身带着的,其实是另一样东西——信念:它对状态当下最好的猜测,外加它有多确信。关键的一步在于,信念不是一个单一的数字,而是一整片带权重的可能性——「我多半就在这儿,挺有可能偏左一点,极不可能跑到老远那边去」。用概率的话来说,这一整片就是一个分布。一个自信的机器人,信念又窄又尖(几乎所有权重都堆在一个点上);一个糊涂的机器人,信念又宽又平,抹在许多地方。诚实的不确定性,从一开始就内建在里面。

把这两者分清,是整个学科的根基。真正的状态是我们多想知道、却够不着的东西;而信念是我们能够计算、并随着新传感器读数和运动指令的到来不断更新的东西。所谓估计,说白了就是这样一门手艺:在带噪声的证据所允许的范围内,把信念一点点推过去,让它尽量贴紧真正的状态——永远贴不到完美无缺,却能贴到既有用、又看得见地接近。

一台送货机器人的真实状态是「在走廊里 3.20 米处」。可它的信念,是一个以 3.05 米为中心、约 30 厘米宽的小钟形鼓包——这是它诚实的总结:「大概三米上下,多少有点出入」。峰顶是它最好的单点猜测;宽度则是它有多没把握。

真实状态是一个确切的值;信念则是围绕它的、带权重的一片猜测。

一个微妙却要紧的点:信念活在机器人的计算机里,而状态活在外面的世界。人们随口说机器人「知道自己在哪」,其实是说它的信念此刻又窄、又恰好对准了真正的状态。

又称
true state vs estimatebelief distribution真值与估计信念分布