Stima robusta e applicazioni in robotica

Titolo originale:

Robust Estimation and Applications in Robotics

Contenuto del libro:

La soluzione dei problemi di stima è una componente fondamentale di numerose applicazioni robotiche. Esempi significativi sono la stima della posa, l'allineamento delle nuvole di punti e il tracciamento degli oggetti. Gli algoritmi per la risoluzione di questi problemi di stima devono affrontare nuove sfide dovute al crescente utilizzo di sensori a basso costo potenzialmente scadenti e alla sempre maggiore diffusione di algoritmi robotici in prodotti di consumo, che operano in ambienti potenzialmente sconosciuti. Questi algoritmi devono essere in grado di essere robusti contro forti non linearità, alti livelli di incertezza e numerosi outlier. Tuttavia, soprattutto nella robotica, l'ipotesi gaussiana è prevalente nelle soluzioni ai problemi di stima dei parametri multivariati, senza fornire il livello di robustezza desiderato.

Il libro Robust Estimation and Applications in Robotics si propone di affrontare le sfide sopra citate fornendo un'introduzione alla stima robusta con particolare attenzione alla robotica. La trattazione inizia fornendo una panoramica concisa della teoria della stima M. Gli stimatori M condividono molte delle convenienti proprietà degli stimatori ai minimi quadrati, ma allo stesso tempo sono molto più robusti alle deviazioni dall'ipotesi di modello gaussiano. Il documento prosegue presentando diversi esempi di applicazioni in cui la stima M viene utilizzata per aumentare la robustezza contro le non linearità e gli outlier.

Robust Estimation and Applications in Robotics" è un'introduzione ideale alla statistica robusta che richiede solo una conoscenza preliminare della teoria della probabilità. Include anche esempi di applicazioni robotiche in cui gli strumenti statistici robusti fanno la differenza.