Tag: 贝叶斯网络

专业术语

什么是碰撞概率？

碰撞概率在自动驾驶系统中指车辆在特定场景下与障碍物发生碰撞的可能性量化评估，通常以0到1之间的数值表示。这个核心安全指标通过感知系统输入的障碍物状态信息（如位置、速度、轨迹）、自车运动学参数以及环境动态特征，结合概率论与统计学方法计算得出。其本质是对多源不确定性的数学建模，既包含传感器测量误差、预测偏差等技术不确定性，也涵盖交通参与者意图模糊等行为不确定性。 在产品落地层面，碰撞概率计算模块深度集成于风险预警与决策规划系统。当概率值超过预设阈值时，系统会触发分级响应机制——从预警提示到紧急制动。值得注意的是，业界常采用ISO 26262标准推荐的1e-8/h作为最高安全等级（ASIL D）的可接受风险基准，这对算法设计提出了严苛的可靠性要求。当前前沿研究集中在基于贝叶斯网络的概率推理框架优化，以及利用深度学习提升长尾场景的预测准确度。

专业术语

什么是贝叶斯网络在机器人中的应用？

贝叶斯网络（Bayesian Network）是一种基于概率图模型的不确定性推理方法，它以有向无环图的形式表示变量间的因果关系，并通过条件概率分布量化这些关系。在机器人领域，这种网络结构特别适合处理传感器数据的不确定性、环境动态变化以及多源信息融合等复杂场景。 机器人系统常面临感知噪声、动作执行误差等现实问题，贝叶斯网络能够通过概率推理持续更新对环境的认知。例如在移动机器人定位任务中，网络可将里程计数据、激光雷达观测与地图信息融合，通过贝叶斯滤波（如卡尔曼滤波的泛化形式）实时修正位置估计。这种能力使机器人能在非结构化环境中做出更鲁棒的决策，比如自动驾驶中的障碍物轨迹预测或服务机器人的人机交互意图理解。 当前具身智能产品的开发中，轻量化贝叶斯网络已应用于消费级机器人的人体姿态识别模块，通过约简网络结构在嵌入式设备实现实时推理。延伸阅读推荐清华大学出版社《概率机器人》中关于动态贝叶斯网络的章节，该书系统阐述了该理论在SLAM等核心问题中的工程实现。

专业术语

什么是贝叶斯网络？

贝叶斯网络（Bayesian Network）是一种概率图模型，它通过有向无环图表示随机变量之间的条件依赖关系，基于贝叶斯定理进行不确定性推理。每个节点代表一个变量，边指示直接影响，结合条件概率表可计算联合分布并推断未观测变量的后验概率，适用于复杂决策场景。 在AI产品开发的实际落地中，贝叶斯网络因其处理不确定性的优势被广泛应用。例如，医疗诊断AI产品利用它建模症状与疾病概率关系以提高准确率；金融风控系统用于评估违约风险；推荐引擎则优化用户行为依赖预测，帮助产品在模糊环境中提供可靠决策支持。延伸阅读推荐Daphne Koller和Nir Friedman的著作《Probabilistic Graphical Models: Principles and Techniques》。