02 · 感知、状态估计与时间同步
理解清晰图像为何仍会产生过时且不确定的控制状态。
先修:坐标系、概率与协方差。
理解机制
物理状态只能部分观测。相机、编码器和力传感器具有不同频率与延迟。区分采集时间和到达时间,估计指令时刻的状态。Kalman 式校正平衡预测与测量不确定性,相关误差会破坏朴素独立融合假设。遮挡是信息缺失,不是零测量;策略接口应保留不确定性和有效标志。
Text / 原始公式
K = P / (P + R) x̂_new = x̂_prior + K(z − x̂_prior) P_new = (1 − K)P position lag ≈ velocity × sensor age
学习指南与本课目录
LEARNING CONTRACT理解 → 实现 → 研究
目标:解释本课机制、复现一个例子、测试一个失败案例。读完不自动代表掌握。
- 理解层:写明假设、形状/单位和一个反例。
- 实现层:复算数值例子并检查边界。
- 研究层:在匹配预算下比较一个替代方法。
机制图与逐步推导
| 符号 | 含义 |
|---|---|
| P, R | 标量先验方差与测量方差 |
| z, K | 测量值与 Kalman 增益 |
- 先验位置 1.0 米,
平方米;传感器为 1.2 米, 平方米, 。 - 校正位置为 1.16 米,方差为 0.008 平方米。此标量例假设无偏且独立的高斯噪声。
- 速度 0.5 米/秒,80 毫秒前的观察在恒速下约落后 4 厘米。分类准确率提高无法消除这段延迟。
构造固定随机种子的恒速轨迹,加入噪声、掉帧和延迟。比较原始与滤波 RMSE 和滞后,留出延迟模式而非随机相邻帧。
原创面试练习与分析
先口述答案再展开分析,补充假设、反例和你会运行的测试。
融合为何可能过度自信?
两个估计可能共享相机或标定误差,当作独立信息会重复计算证据,应跟踪相关性或保守融合。
遮挡期间应该做什么?
预测并增加不确定性,施加时效/不确定性门限,定义暂停或请求新视角条件,不能编造观测。
阅读一手来源
Underactuated Robotics — Russ Tedrake ↗
Token Lab 原创讲解与合成计算,不是机器人性能实测。来源链接核对于 2026-10-25,未锁版本的 arXiv 链接可能修订,复现时请记录版本。