背景
搜集了自己在读论文过程中发现的很好的科普性论文。
文章
协方差矩阵的理解
A geometric interpretation of the covariance matrix
我的协方差矩阵理解入门。之后在点云的地面提取等多个方面用到了协方差矩阵。
高斯过程
高斯过程的理解
Understanding Gaussian Process, the Socratic Way
事无巨细的介绍了高斯过程的原理。其中我认为比较重要的一点是
Gaussian Process does not find a function body that only needs a new x and returns a y in the traditional sense of $f(x)=ax+b$, like what linear regression gives you. Instead, it gives you a mapping between every test location $x_$ to a function mean value (together with its variance of course). This mapping involves not only the test location x_ but also all the training data X and Y.
A Visual Exploration of Gaussian Processes
高斯过程的微分
贝塞尔曲线与B样条
#### 贝赛尔曲线 曲线篇: 贝塞尔曲线(知乎)
B样条
卡方分布
卡方分布经常用来检验SLAM问题中的数据关联的正确与否。
MPC(模型预测控制)
模型预测控制是在学习主动探索的时候碰到的。MPC即模型-预测-控制。
其主要思想为，给定一个参考未来N个时刻的预计输出，MPC有一个predicting horizon，使得未来的N个时刻都尽量与参考输出接近，同时又要满足系统的各个限制。优化出来控制变量后，仅将N个时刻中的离当前时刻最近的控制量赋值给被控机器人，随后等该控制量执行之后，再按照上述的策略继续算控制量。