（文章來源：網(wǎng)絡(luò)整理）

機(jī)器人學(xué)是一門通過計(jì)算機(jī)控制設(shè)備來感知和操縱客觀世界的科學(xué)。成功的機(jī)器人系統(tǒng)實(shí)例包括，用于行星探測(cè)的移動(dòng)機(jī)器人平臺(tái)、裝配線上的工業(yè)機(jī)械臂、自主車和輔助外科醫(yī)生的機(jī)械手等。機(jī)器人系統(tǒng)處于客觀世界中，通過傳感器感知周圍環(huán)境的信息，并通過機(jī)械力控制環(huán)境。為了完成各種各樣的任務(wù)，機(jī)器人必須能接納客觀世界中存在的大量的不確定因 素。

機(jī)器人的不確定性因素很多。其所處環(huán)境就是不可預(yù)測(cè)的。在良好的結(jié)構(gòu)化環(huán)境（如裝配生產(chǎn)線）中不確定程度是較低的；但是對(duì)于高速公路這樣的環(huán)境，環(huán)境是高度動(dòng)態(tài)的而且在許多方面是無法預(yù)測(cè)的。另一個(gè)不確定因素則是傳感器測(cè)量范圍和精度。

概率機(jī)器人學(xué)是機(jī)器人學(xué)中相對(duì)較新的方向，它致力于研究機(jī)器人感知和行為的不確定性。概率機(jī)器人的主要思想就是用概率理論的運(yùn)算去明確地表示這種不確定性，換句話說，不再只依賴可能出現(xiàn)的情況的單一的“最好推測(cè)“而是用概率算法來表示在整個(gè)推測(cè)空間的概率分布信息。以數(shù)學(xué)上合理的方式來表示模糊性和置信度。然后根據(jù)存在的不確定性選擇相對(duì)魯棒的控制方式。

用兩個(gè)有意思的例子來闡述概率機(jī)器人：一個(gè)是有關(guān)機(jī)器人感知的；另一個(gè)是有關(guān)機(jī)器人規(guī)劃和控制的。機(jī)器人定位，就是相對(duì)外部的參考系來估計(jì)機(jī)器人坐標(biāo)的問題。給定環(huán)境地圖，機(jī)器人需要參照傳感器數(shù)據(jù)，定位自己在地圖上的相對(duì)位置。已知環(huán)境中有三個(gè)相同的門，機(jī)器人的任務(wù)就是要通過檢測(cè)和運(yùn)動(dòng)找到自己在哪。

這種定位問題被稱為全局定位。在全局定位中，機(jī)器人被放置在已知的環(huán)境中的某處然后從頭開始確定自己的位置。概率范式通過在整個(gè)位置空間上的一個(gè)概率密度函數(shù)來表示機(jī)器人的瞬時(shí)置信度。如圖1.1a所示，所有位置具有相同的概率分布。假定機(jī)器人進(jìn)行了第一次傳感器測(cè)量并知道自己在門附近，概率技術(shù)利用這個(gè)信息來更新置信度度，1.1b給出了后驗(yàn)置信度。

靠近門的位置概率較大，靠近墻處概率較小。注意分布具有三個(gè)尖峰，分別對(duì)應(yīng)環(huán)境中三個(gè)完全相同的門。因此機(jī)器人并不知道自己在哪。相反，現(xiàn)在它有三個(gè)看起來同樣合理卻又不同的假設(shè)。我們發(fā)現(xiàn)機(jī)器人給不靠近門的位置也分配了正的概率。機(jī)器人在看到門這件事情上會(huì)犯錯(cuò)但這是一個(gè)非常小的非零概率。保持低概率假設(shè)對(duì)于實(shí)現(xiàn)魯棒性是不可或缺的。

現(xiàn)在假定機(jī)器人是移動(dòng)的。給出了運(yùn)動(dòng)對(duì)機(jī)器人置信度的影響。置信度沿運(yùn)動(dòng)方向移動(dòng)，這反映了由機(jī)器人運(yùn)動(dòng)引入的不確定性。圖1.1d給出了觀察另一扇門后的置信度。這個(gè)觀察動(dòng)作使這里的算法將大概率放在了一扇門附近的位置上，機(jī)器人現(xiàn)在相當(dāng)確信自己在哪了。最后1.1e給出了機(jī)器人繼續(xù)沿著走廊運(yùn)動(dòng)的置信度。

這個(gè)例子闡明了概率范式。機(jī)器人感知問題用概率來描述，就是一個(gè)狀態(tài)估計(jì)問題。定位實(shí)例使用貝葉斯濾波算法來進(jìn)行機(jī)器人定位空間上的后驗(yàn)估計(jì)。信息表達(dá)方式是概率密度函數(shù)。函數(shù)的更新表示傳感器測(cè)量獲得了新的信息后機(jī)器人的不確定性也發(fā)生了變化。

概率算法不僅能計(jì)算機(jī)器人的瞬間不確定性，也能預(yù)知未來的不確定性，并在決定正確的控制選擇時(shí)，對(duì)未來不確定性進(jìn)行考慮。海岸導(dǎo)航的例子，圖中給出了一個(gè)真實(shí)建筑物的二維地圖，將估計(jì)路徑與真實(shí)路徑進(jìn)行比較，發(fā)現(xiàn)不是所有的軌跡所導(dǎo)致的不確定性水平都相同。圖所示的路徑引導(dǎo)通過相對(duì)空曠的空間，剝奪了能幫助機(jī)器人保持定位的特征。該軌跡尋找一個(gè)獨(dú)特的角落，為了保持定位貼近墻壁，這并不奇怪，因?yàn)楹笳呗窂綍?huì)減少不確定性，到達(dá)目標(biāo)位置的機(jī)會(huì)更高些。

概率機(jī)器人將模型與傳感數(shù)據(jù)進(jìn)行了無縫集成，同時(shí)克服了兩者的局限性；與傳統(tǒng)的機(jī)器人編程技術(shù)相比，概率方法在面對(duì)傳感器的局限和模型局限時(shí)魯棒性更強(qiáng)。

概率算法最經(jīng)常被提到的兩個(gè)局限是計(jì)算復(fù)雜性和近似必要性，本質(zhì)上比非概率算法效率低。因?yàn)樗鼈兛紤]的是整個(gè)概率密度而不是單一的推測(cè)。幸運(yùn)的是，不確定性有時(shí)可以用一個(gè)緊湊的參數(shù)模型（如高斯模型）很好地近似；另一方面，這樣的近似在使用中太過粗略，必須使用更復(fù)雜的表達(dá)。
（責(zé)任編輯：fqj）