本文主要是介绍机器人概率定位学习笔记第四篇_使用python进行机器人概率定位，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
本笔记学习于优达学城 Artificial Intelligence for Robotics课程
1，机器人定位问题其实就是机器人运动与感知问题，在一个世界中感知，运动，不断循环。如下图
2，下面我们正式开始写一个完整的机器人概率定位系统，首先假设这个世界
[green red red green green]
机器人开始感知第一次感知到红色，然后向右走了一步，然后感知到绿色，然后向又右走了一步，问最后机器人在那个方格的概率最大，很明显机器人在第四个绿色的方格中概率最大，下面我们用代码来实现吧
2.1 获取机器人的感知到某种颜色 然后在各个位置处的概率
#Given the list motions=[1,1] which means the robot
#moves right and then right again, compute the posterior
#distribution if the robot first senses red, then moves
#right one, then senses green, then moves right again,
#starting with a uniform prior distribution.p=[0.2, 0.2, 0.2, 0.2, 0.2]
world=['green', 'red', 'red', 'green', 'green']
measurements = ['red', 'green']
motions = [1,1]
pHit = 0.6
pMiss = 0.2
pExact = 0.8
pOvershoot = 0.1
pUndershoot = 0.1def sense(p, Z):q=[]for i in range(len(p)):hit = (Z == world[i])q.append(p[i] * (hit * pHit + (1-hit) * pMiss))s = sum(q)for i in range(len(q)):q[i] = q[i] / sreturn qdef move(p, U):q = []for i in range(len(p)):s = pExact * p[(i-U) % len(p)]s = s + pOvershoot * p[(i-U-1) % len(p)]s = s + pUndershoot * p[(i-U+1) % len(p)]q.append(s)return q
for i in range(len(motions)):p=sense(p,measurements[i])p=move(p,motions[i])
print p
[0.21157894736842103, 0.1515789473684211, 0.08105263157894739, 0.16842105263157897, 0.3873684210526316]
这篇关于机器人概率定位学习笔记第四篇_使用python进行机器人概率定位的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
