机器人学中的不确定性
机器人学是一门通过计算机控制设备来感知和操纵客观世界的科学。
导致机器人不确定的因素有：机器人环境、传感器、机器人执行机构（robot actuation）、机器人软件（内部模型）、近似算法。
处理不确定性可能是迈向具有鲁棒性的现实世界机器人系统的最重要一步。
概率机器人的主要思想是用概率理论的运算去明确地表示这种不确定性。
概率机器人：机器人感知，机器人规划和控制。
例一：移动机器人定位；
例二：机器人规划和控制；
机器人学习问题就是一个长期的估计问题。
本书导航：第2~4章是本书所有算法的基础，包括最基本的数学体系和主要算法；
第5~6章提出了移动机器人的概率模型；
第7~8章对移动机器人定位问题进行了讨论；
第9~13章讨论了关于机器人地图构建更复杂的问题；
第14~17章概率规划和控制问题，机器人探测问题。
现代机器人学始于卡尔曼滤波器(kalman1960)，通过将模型与传感器测量结合，就可以设计出控制行为。
主要进展：用于分析高维感知问题的卡尔曼滤波器(1986)、占用栅格地图的发明(1987,1988)、局部可观测规划技术(1998)、粒子滤波器(1999)、贝叶斯处理(2002,2004,2005)；用于货物装卸的工业机械机器人(1996)、博物馆的娱乐机器人(1999,2000,,2003)、医护和保健机器人(2003)；