情境演算中的机器人位置估计

位置估计是机器人应用中的一项基本感知任务，其中世界具有不确定性，且传感器和执行器存在噪声。大多数系统会对状态变量之间的依赖关系做出各种假设，特别是关于这些依赖关系如何随动作变化而改变的假设。本文基于 Bacchus、Halpern 和 Levesque 提出的用于在情境演算中推理信念度的一般框架，以及近期针对连续域的扩展，通过一个实例展示了在丰富的动作理论存在下的位置估计。我们还表明，虽然动作可能以非标准方式影响先验分布，但合适的后验信念 nonetheless 作为整体规范的一个副作用而被蕴涵。