标签：
目录：略
前言
本书的写作目的是介绍“概率机器人学”这个崭新的研究领域。概率机器人学是与智能和控制相关的机器人学的一个分支领域。其特征是利用概率与统计的方式进行记录的信息与行动的决策。面对在利用机器人学技术中不可回避的“不确定性”问题，我们认为机器人学必须以此方法为目标。采用概率论的算法设计在近年来已经成为机器人学中一个强有力的框架。本书就是第一本介绍该领域中一些主要方法的学术书籍。
本书将针对算法的说明放在了重要位置。书中所有的算法都基于一个基础的理论：贝叶斯法则、以及为了将其应用于时序数据所扩展而来的贝叶斯滤波器。本书中介绍的概率论式算法都将拥有这样一致的数学背景。
本书在写作的时候，尝试用最完整的形式论述各个方法的详细情况。每章都有一个或多个主要算法的介绍，各个算法的说明一般由下面4个部分构成：
（1） 使用伪代码实现的样例
（2） 由公理开始的公式推导。这部分是为了说明算法实现背后各种前提条件不可或缺的。
（3） 大量的实验结果。这些实验数据的主要作用是帮助读者更加详细的理解算法。
（4） 针对每一个算法，由实现该算法的人的立场出发，详细讨论其好的地方和不好的地方。
针对各个算法完成上面这些部分的描述，实在是一件相当费力的事情。而且这样做的结果，对于那些想要快速阅读的读者来说，很多内容会变得很难理解（当然，公式推导是大概是可以跳过的部分）。我们也期望读者能够通过本书对本领域能有一个深刻的理解。
本书是我们与我们的学生、还有该领域很多的研究者们十多年的研究成果的集合。我们于1999年开始写这本书，当时以为只需数月就可以完成写作。但是经过了5年的时间，最初的草稿基本没说多少留下来，内容也发生了变化。在此期间，通过写作本书，也学到了比想象中要多得多的信息与行动决策的理论，如今能够通过本书将我们学到的很多东西传达出去，这是让我们感到非常幸福的一件事。
本书是学术书籍，适合的人群是学生、研究者、以及其他需要实装机器人学的人们。我们相信所有的机器人制作者都需要进行软件开发，所以我们想本书的内容也应该是所有机器人研究者们所感兴趣的。同时，在机器人学领域以外，我们认为本书也能够让应用统计学的学者或者使用传感器观测现实世界的人们产生兴趣。针对拥有不同技术背景的读者们，本书也十分用心的调整了叙述的方式，让阅读对象能够尽量仅依靠本书就可理解内容。虽然先阅读线性代数与基本的概率统计知识会对阅读本书有所帮助，不过本书中也对基本的概率法则进行了介绍，并且尽量避免使用更高级的数学知识。
另外，本书也可以被用于讲义。每个章节设置了问题与参加性的练习题。当被用作讲义的时候，每一章用一到两讲的节奏会比较好。讲解的时候无须遵循目录顺序，可以适当的穿插或跳过一些章节。实际上我们在用本书教学的时候通常都是从第七章左右的地方开始的授课。使用本书学习的话，参考各章结尾处介绍的实际案例，用实践的方式完成实验是比较推崇的方法。没有什么比自己动手实现机器人学技术更重要的事情了。
我们虽已全力以赴，但仍不可避免书中内容或者一些技术上的不完善。因此，本书的网站中也会告知相关的修正：
www.probabilistic-robotics.org
同时，该网站中也会有本书的相关信息。在此祝愿各位能够在本书中找到让人兴奋的东西。
Sebastian Thrun
Wolfram Burgard
Dieter Fox
标签：
原文地址：http://www.cnblogs.com/ryukinkou/p/5143882.html
