Table des matières
2. Deux perspectives pour voir le monde - la perspective de Dieu et la perspective humaine
2.1 À quoi fait référence la probabilité ?
2.2 Les paramètres derrière les événements aléatoires vont-ils changer ?
0. écrire devant
Nous savons tous que si les véhicules sans pilote veulent être sans pilote, leurs capacités de perception doivent être grandement améliorées. La perception, en termes simples, est la capacité de "voir" le monde. Bien sûr, il n'est pas nécessaire de "voir" avec une caméra visuelle, mais aussi de "voir" avec le lidar, les ultrasons et divers capteurs.
En réfléchissant un peu plus profondément, nous voyons qu'il y a deux étapes de perception. "Voir" et voir n'est que la première étape ; suivi par "croire" et croire ce que vous voyez est la deuxième étape. Pourquoi? Parce que la première étape sera certainement affectée par l'environnement extérieur et mélangée à d'autres informations (avec du bruit), la deuxième étape doit donc porter des "lunettes colorées". Filtrez ce que vous voyez et formez enfin une conclusion. Parfois cette conclusion est certaine, et parfois elle est incertaine. Entre certitude et incertitude, il existe de nombreux états intermédiaires intéressants.
Pour l'incertitude, dans la chaîne technologique des véhicules sans pilote, elle est exprimée par la probabilité. Par conséquent, les véhicules sans pilote utilisent largement les outils de probabilité, en particulier la règle bayésienne (également appelée formule de probabilité de Bayes). Le célèbre filtre de Kalman KF , le filtre de Kalman étendu EKF , le filtre de Kalman non parfumé UKF et même le filtre à particules PF sont tous développés sur la base de la règle bayésienne.
Étant donné que ce concept est si important, nous devons passer plus de temps à le comprendre à fond.
Donc, vous avez fouillé dans beaucoup d'informations, et pour savoir de quoi parle la probabilité, vous avez même entré "de quelle probabilité parle-t-il" sur le site de recherche. Après avoir lu des bribes d'informations, félicitations, vous vous embrouillerez complètement.
Eh bien, calmez-vous. Revenons à la source et commençons par les concepts de base.
1. "N'importe quelle manière vous pouvez le comprendre" - le différend inter-siècle entre les deux écoles
Si vous maîtrisez bien les outils de recherche, vous pouvez facilement savoir que la probabilité provient des histoires de jeu.
(Si vous êtes intéressé, vous pouvez lire l'article suivant) Coder Essentials: Probability: The Origin Story of Probability - Sachant que la théorie des probabilités est issue du jeu. En 1470, l'année de la naissance de Tang Bohu, un poème latin "De Vetula" fut publié. Il y a un poème ci-dessus qui enregistre les résultats de permutation et de combinaison de la somme de 3 points de dés. L'image de gauche est l'impression originale, et l'écriture des nombres est un peu différente de ce que nous avons maintenant. A droite se trouve Ah... 
https://zhuanlan.zhihu.com/p/142681968
Si vous vous intéressez à la mécanique quantique et à la relativité, il y a un article sur les probabilités ci-dessous, qui est également très intéressant.
La confusion des maîtres de physique : d'où vient la probabilité ? -Depth-Intellectuals (zhishifenzi.com) 
http://zhishifenzi.com/depth/view/7049?category=depth
C'est très excitant à lire, mais vous ne comprenez toujours pas ce qu'est la probabilité, ou à quoi elle peut servir.
Si vous voulez comprendre les souvenirs de la théorie des probabilités, vous pouvez lire cet article. Le passé et le présent de la théorie des probabilités et des statistiques mathématiques Parce que cette connaissance ne vous aide pas à comprendre le concept de probabilité. D'ailleurs, je crois que vous êtes probablement comme moi, et tout au plus vous voyez "bayésien" et commencez à vous éloigner rapidement avec la souris.
Ensuite, vous commencez à fouiner sur Internet, et la plupart des informations sur Internet concernent les formules de probabilité bayésiennes. Sans surprise, ce n'est qu'une question de temps, et vous remarquerez inévitablement un point d'information-fréquentistes et bayésiens.
Eh bien, je suis sûr que vous devenez plus confus.
Quoi et quoi ? Un concept de base a été compris par les deux écoles comme complètement différent, puis s'est attaqué l'un à l'autre, ce qui se poursuit encore aujourd'hui. Plus vous entrez en contact avec des connaissances de probabilité, plus vous constaterez qu'à de nombreux niveaux, les deux parties ont simplement des mots différents, et la plupart des conclusions sont étonnamment similaires ou complètement identiques.
Je pense que, dans un sens, vous pouvez être soulagé. Parce que ce n'est pas que vous êtes insensible au concept, c'est que le concept est flexible et peut être compris de différentes manières.
Ce qui est encore plus étonnant, c'est que toute compréhension est correcte, tant que vous pouvez vous justifier.
Ou, pour le dire ainsi, ce concept ne fournit qu'une façon de penser et un cadre, quant à l'utilisation que vous en faites, c'est entièrement à l'utilisateur de décider. Pour donner un exemple pour vous aider à réfléchir, prenez les commérages du I Ching que vous et moi connaissons. Le même ensemble de cadres et d'outils peut être utilisé pour la divination, la bonne aventure, le présage géomantique et même la création littéraire. Peut-être que chaque explication est correcte. On peut seulement dire que cet ensemble d'outils et de méthodes est très "résistant à la déchirure" et très agréable.
Avant de comparer les théories de l'école fréquentiste et de l'école bayésienne, revenons sur notre propre compréhension.
Essentiellement, nous sommes confus au sujet d'un concept, qui doit être une compréhension incertaine dans certains liens. Faites un pas de plus et demandez-vous ce qui est insaisissable. Peut-être que là où vous vous balancez, sautez simplement entre deux domaines académiques différents. Comme vous l'apprendrez plus tard, c'est bien le cas.
C'est loin, reprenons nos esprits.
2. Deux perspectives pour voir le monde - la perspective de Dieu et la perspective humaine
C'est précisément parce qu'il y a de l'incertitude dans le processus de vision du monde que pour exprimer cette incertitude, le concept de « probabilité » est né. Il est facile de comprendre que si un événement va certainement se produire ou ne se produira pas, il n'est pas nécessaire d'utiliser la probabilité pour aider l'expression ; si l'occurrence d'un événement est incertaine, la probabilité sera utilisée.
Pour ce dernier, pour la commodité de la description, il est souvent exprimé en "événement aléatoire", qui fait également l'objet de recherches conjointes par l'école des fréquences et l'école bayésienne. La différence entre les deux écoles peut se résumer en une phrase, c'est-à-dire qu'elles voient le monde sous des angles différents.
2.1 À quoi fait référence la probabilité ?
Parlons de la différence de probabilité aux yeux des deux écoles.
Parlons d'abord de l'école de fréquence, qui modélise l'événement aléatoire lui-même, discute de la probabilité d'un événement spécifique au sens statistique et définit la probabilité comme la valeur de fréquence approchée en prenant le nombre de statistiques à une limite infinie. L'idée générale est que Dieu a déterminé la probabilité que cet événement se produise, et faire des expériences peut approcher cette valeur à l'infini. Par exemple, pour lancer une pièce de monnaie pour deviner la probabilité de tête et de queue, les représentants de l'école de fréquence lanceront autant de fois qu'ils le peuvent (par exemple 1000 fois), puis compteront le nombre de fois que les têtes et les queues apparaissent (par exemple 520 têtes), afin d'obtenir la valeur de probabilité (obtenez la valeur de probabilité 0,52) ; lorsque le nombre d'expériences augmente, la valeur de probabilité finale peut se stabiliser autour de 0,5.
Voici une phrase, car nous ne pourrons jamais mener d'expériences infinies, il est donc impossible d'obtenir la probabilité exacte définie par "Dieu", donc, je tiens toujours à souligner cette phrase, c'est juste une façon de voir et d'expliquer le monde.
En regardant à nouveau l'école bayésienne, ils ne prêtent pas attention à la probabilité naturelle de chaque événement spécifique, mais changent leur façon de penser et regardent le problème d'un point de vue humain. Ils croient qu'en raison des changements dans les informations de l'observateur, le degré de certitude d'un certain résultat d'un événement aléatoire change (de plus en plus confiant ou devient incertain), de sorte que les bayésiens considèrent la probabilité comme la représentation A de l'observateur de l'état des connaissances, pas du monde objectif.
Par exemple. Avant de lancer la pièce, les représentants de l'école bayésienne, sur la base de l'expérience ou des données existantes, pensaient que la probabilité d'apparition de pile et face était de 0,5 ; le résultat de probabilité est de 0,6 ; après cela, ils n'insisteront pas sur 0,5, ni ne le feront ils croient involontairement en 0,6, mais fusionneront les deux types d'informations d'une certaine manière. Quant à la façon d'intégrer, vous devez utiliser la règle de Bayes (laissons ce concept de côté, nous en parlerons séparément dans un autre article plus tard).
2.2 Les paramètres derrière les événements aléatoires vont-ils changer ?
D'autre part, analysons les paramètres qui influent sur l'occurrence des événements.
L'école des probabilités croit que les paramètres derrière les événements aléatoires sont fixes, donc des expériences exhaustives sont utilisées pour vérifier et des algorithmes d'optimisation sont utilisés pour trouver l'optimum. Concentrez-vous sur l'étude de la probabilité de vraisemblance p(θ|x); où θ est un paramètre et x est l'événement aléatoire étudié, alors, trouver le paramètre optimal θ pour la probabilité de vraisemblance, c'est trouver l'événement aléatoire x le plus influent. La valeur de paramètre la plus fiable.
Les bayésiens pensent que les facteurs affectant les événements aléatoires changent de manière dynamique et que plus l'observateur obtient d'informations, plus il aura confiance en l'événement. Par conséquent, ils se concentrent sur l'étude de la probabilité a posteriori p(x|θ). De même, θ est un paramètre, qui peut aussi être compris comme une information, et x est un événement aléatoire à étudier. Par rapport à la probabilité de vraisemblance, la probabilité a posteriori étudie dans quelle mesure nous sommes certains de l'occurrence d'un événement aléatoire x lorsque l'information augmente.
Dans une compréhension plus générale, l'école fréquentiste consiste à avoir une vue d'ensemble des montagnes, à rechercher l'optimisation globale, et à trouver la montagne la plus haute ; tandis que l'école bayésienne consiste à se concentrer sur le front, à franchir chaque pas, et escaladez la montagne devant vous. Le premier est couramment utilisé pour rechercher des algorithmes d'optimisation, tandis que le second est couramment utilisé pour dériver des formules.
C'est précisément parce que la théorie de l'école bayésienne est plus adaptée à la pensée humaine, et que l'intelligence artificielle est basée sur la pensée et la sagesse humaines, couplée à l'augmentation substantielle de la puissance de calcul informatique et des ressources suffisantes, donc, à l'heure actuelle, la règle bayésienne joue un rôle central dans le domaine des véhicules sans pilote, en particulier dans le sens de la reconnaissance de l'État.
3. Derniers mots
Nous avons passé beaucoup de temps à introduire le concept de "probabilité", qui est vraiment important dans le monde des véhicules sans pilote.
Bien que la compréhension de la probabilité soit différente entre l'école des fréquences et l'école bayésienne, c'est juste une différence dans la perspective d'observation.
Ce n'est qu'en comprenant la probabilité que nous pouvons la distinguer de la densité de probabilité, et nous pouvons mieux comprendre la règle de Bayes. Ce n'est qu'en comprenant la règle bayésienne que vous pourrez comprendre les principes de reconnaissance d'état et de fusion de données des véhicules sans pilote.
Alors, ensuite, pouvons-nous nous plonger dans la formule de probabilité bayésienne dès maintenant ?
Non, le moment n'est pas encore venu, nous devons nous familiariser avec un concept de base - la fonction de densité de probabilité. La prochaine fois, nous commencerons par les fonctions de densité de probabilité, puis passerons à la règle de Bayes.
Bon, parlons la prochaine fois.