给定度量的信念分布的更新

Question

如果你被给予：

• 一个机器人传感器检测一个物体的概率分布，假设它在一个位置p(z=x)。
• 机器人在任何位置的先验概率
• 机器人传感器的实际观测

并要求更新概率分布的这一观察，一个将使用什么方法？

我不确定我是否应该使用bayes滤波器，卡尔曼滤波器，或者我是否过度思考这个问题。

例如：

如果机器人可以从1-7沿数字线移动，在x=4进行站立投票。机器人可以判断投票是在左边、右边还是在前面(z=-1,1,0 )。

p(z|x)  x=1   x=2  x=3  x=4  x=5  x=6  x=7  
z= -1   0     0    0    .25  .5   .5   .5  
z = 0  ...  (its an example so im leaving this off)  
z = 1  ...  

( = 1) = 0.1; ( = 2) = 0.2; ( = 3) = 0.2; ( = 4) = 0.2;
( = 5) = 0.2; ( = 6) = 0.1; ( = 7) = 0.0  

机器人传感器输出z=-1。我要用什么方法来更新上表？

Answer 1

我不是这方面的专家，但我在这个链接中看到了类似的话题。我希望这能帮到你。祝好运。http://bilgin.esme.org/BitsAndBytes/KalmanFilterforDummies