5 y 6ª Hora Open Course

Por 4 vez, abajo explico lo poco que se aprecia la fotografía.

Ahora, en este punto, sabemos donde está nuestro robot con una precisión simple.
Así que actualizaremos la medida con la corrección para que se adecue a una distribución de probabilidad. Además incluiremos un segundo factor donde verificaremos la posición de nuestro robot. Y añadiremos el concepto de movimiento a nuestra función,


Integración en python:

p=[0.2 , 0.2 , 0.2 , 0.2 , 0.2]

world=["green" , "red" , "red" , "green" , "green" ]

#Z="red" 

measurements=["red" , "green"]
pHit=0.6

pMiss=0.2

def loc(p , Z):
  q=[]
  for i in range(len(p)):
       hit=(measurements==world[i])
       q.append(p[i]*(hit*pHit+(1-hit)*pMiss))

  k=sum(q)
  for i in range(len(q)):
       q[i]=q[i]*k

return q

for i in range(measurements)

   p=loc(p,measurements[i])
print p