Если вам дано:
распределение вероятности того, что датчик робота обнаружит объект при условии, что он находится в месте p(z|x).
априорные вероятности того, что робот находится в любом месте
Фактическое наблюдение, сделанное датчиком робота
и попросили обновить распределение вероятностей с учетом этого наблюдения, какой метод можно было бы использовать?
Я не уверен, следует ли мне использовать фильтр Байеса, фильтр Калмана или я слишком много думаю об этой проблеме.
Например:
если робот может передвигаться по числовой прямой от 1 до 7, со стоячим опросом в точке x=4. Робот может определить, находится ли опрос слева, справа или перед ним (z=-1,1,0 соответственно).
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
чем выход датчика робота z=-1 . Какой метод я бы использовал для обновления приведенной выше таблицы