Estimación robusta y aplicaciones en robótica

Título original:

Robust Estimation and Applications in Robotics

Contenido del libro:

La resolución de problemas de estimación es un componente fundamental de numerosas aplicaciones robóticas. Algunos ejemplos destacados son la estimación de la pose, la alineación de nubes de puntos y el seguimiento de objetos. Los algoritmos para resolver estos problemas de estimación tienen que hacer frente a nuevos retos debido a un mayor uso de sensores de bajo coste potencialmente deficientes y a un despliegue cada vez mayor de algoritmos robóticos en productos de consumo, que operan en entornos potencialmente desconocidos. Estos algoritmos deben ser capaces de resistir fuertes no linealidades, altos niveles de incertidumbre y numerosos valores atípicos. Sin embargo, sobre todo en robótica, la hipótesis gaussiana prevalece en las soluciones a los problemas de estimación de parámetros multivariantes sin proporcionar el nivel deseado de robustez.

Robust Estimation and Applications in Robotics se propone abordar los retos mencionados proporcionando una introducción a la estimación robusta con especial atención a la robótica. Comienza ofreciendo una visión general de la teoría de la estimación M. Los estimadores M comparten muchas propiedades convenientes de los mínimos cuadrados. Los estimadores M comparten muchas de las propiedades convenientes de los estimadores por mínimos cuadrados y, al mismo tiempo, son mucho más robustos frente a las desviaciones de la hipótesis del modelo gaussiano. A continuación se presentan varios ejemplos de aplicaciones en las que la estimación M se utiliza para aumentar la robustez frente a las no linealidades y los valores atípicos.

Robust Estimation and Applications in Robotics es una introducción ideal a la estadística robusta que sólo requiere conocimientos preliminares de teoría de la probabilidad. También incluye ejemplos de aplicaciones robóticas en las que las herramientas estadísticas robustas marcan la diferencia.