塞巴斯蒂安·特龙、沃尔弗拉姆·比加尔、迪特尔·福克斯著曹红玉、谭志、史晓霞译的《概率机器人/国际电气工程先进技术译丛》对概率机器人学这一新兴领域进行了全面的介绍。概率机器人学依赖统计技术表示信息并进行决策，容纳了当今大多数机器人应用中必然存在的不确定性，是机器人学的一个重要分支。本书包括了基础知识、定位、地图构建、规划与控制四大部分。本书共17章，每章的最后都提供了习题和动手实践的项目。本书专注于算法，对于每种算法，均提供了伪代码、完整的数学推导、实验结果及算法优缺点分析。
本书适合作为从事机器人，特别是移动机器人研究和开发的科技人员的参考书，也可以作为高等院校计算机、控制、电子等专业研究生的教材。

塞巴斯蒂安·特龙，Sebastian Thrun博士，计算机科学家，曾任美国谷歌公司副总裁，是美国谷歌公司X实验室创始人，从事谷歌无人驾驶汽车和谷歌眼镜的研发。他把统计学引入机器人学，开拓了概率机器人学领域，从此概率技术成为机器人学的主流技术并在无数商业领域得到广泛应用。

译者序
原书前言
致谢
第Ⅰ部分 基础知识
第1章 绪论
1.1 机器人学中的不确定性
1.2 概率机器人学
1.3 启示
1.4 本书导航
1.5 概率机器人课程教学
1.6 文献综述
第2章 递归状态估计
2.1 引言
2.2 概率的基本概念
2.3 机器人环境交互
2.3.1 状态
2.3.2 环境交互
2.3.3 概率生成法则
2.3.4 置信分布
2.4 贝叶斯滤波
2.4.1 贝叶斯滤波算法
2.4.2 实例
2.4.3 贝叶斯滤波的数学推导
2.4.4 马尔可夫假设
2.5 表示法和计算
2.6 小结
2.7 文献综述
2.8 习题
第3章 高斯滤波
3.1 引言
3.2 卡尔曼滤波
3.2.1 线性高斯系统
3.2.2 卡尔曼滤波算法
3.2.3 例证
3.2.4 卡尔曼滤波的数学推导
3.3 扩展卡尔曼滤波
3.3.1 为什么要线性化
3.3.2 通过泰勒展开的线性化
3.3.3 扩展卡尔曼滤波算法
3.3.4 扩展卡尔曼滤波的数学推导
3.3.5 实际考虑
3.4 无迹卡尔曼滤波
3.4.1 通过无迹变换实现线性化
3.4.2 无迹卡尔曼滤波算法
3.5 信息滤波
3.5.1 正则参数
3.5.2 信息滤波算法
3.5.3 信息滤波的数学推导
3.5.4 扩展信息滤波算法
3.5.5 扩展信息滤波的数学推导
3.5.6 实际考虑
3.6 小结
3.7 文献综述
3.8 习题
第4章 非参数滤波
第5章 机器人运动
第6章 机器人感知
第Ⅱ部分 定 位
第7章 移动机器人定位:马尔可夫与高斯
第8章 移动机器人定位:栅格与蒙特卡罗
第Ⅲ部分 地图构建
第9章 占用栅格地图构建
第10章 同时定位与地图构建
第11章 GraphSLAM算法
第12章 稀疏扩展信息滤波
第13章 FastSLAM算法
第Ⅳ部分 规划与控制
第14章 马尔可夫决策过程
第15章 部分能观测马尔可夫决策过程
第16章 近似部分能观测马尔可夫决策过程技术
第17章 探测
参考文献