建模传感器以提高其效能

机器人依赖传感器提供周围环境信息。然而，高质量传感器可能极其昂贵且成本高昂。因此，许多机器人系统不得不使用较低质量的传感器。本文通过一个案例研究展示了在贝叶斯推理框架内对传感器进行建模如何提高其效能。我们使用一个机械臂作为测试平台，该机械臂设计为使用廉价的LEGO光传感器自主进行测量，以估计黑色场地上白色圆的位置和半径。光传感器对其视场内空间分布区域到达的光进行积分，并按空间灵敏度函数（SSF）加权。我们证明，通过将光传感器SSF的精确模型纳入贝叶斯推理引擎的似然函数中，自主系统可以对其周围环境做出更优的推断。本文提出的方法基于数据、相当通用，并考虑即插即用，以便在类似问题中实现。