[Ulasan] Probabilistic Robotics (Sebastian Thrun) Ringkasan.

Probabilistic Robotics (Sebastian Thrun)

- Amazon USA Store: https://www.amazon.com/dp/0262201623?tag=9natree-20
- Amazon Worldwide Store: https://global.buys.trade/Probabilistic-Robotics-Sebastian-Thrun.html

- Apple Books: https://books.apple.com/us/audiobook/the-all-in-one-agentic-ai-bible-the-practical-7/id1896262626?itsct=books_box_link&itscg=30200&ls=1&at=1001l3bAw&ct=9natree

- eBay: https://www.ebay.com/sch/i.html?_nkw=Probabilistic+Robotics+Sebastian+Thrun+&mkcid=1&mkrid=711-53200-19255-0&siteid=0&campid=5339060787&customid=9natree&toolid=10001&mkevt=1

- Shopee: https://asia.buys.trade/shopee_Probabilistic-Robotics-Sebastian-Thrun.html
- Lazada: https://asia.buys.trade/lazada_Probabilistic-Robotics-Sebastian-Thrun.html
- Tiktok: https://asia.buys.trade/tiktok_Probabilistic-Robotics-Sebastian-Thrun.html

- Baca selengkapnya: https://indonesia.9natree.com/read/0262201623/

#filterBayes #lokalisasiMonteCarlo #filterpartikel #SLAM #asosiasidata #ProbabilisticRobotics

Probabilistic Robotics adalah buku teks teknis karya Sebastian Thrun, Wolfram Burgard, dan Dieter Fox, yang diterbitkan MIT Press dalam seri Intelligent Robotics and Autonomous Agents. Buku ini membahas persoalan mendasar dalam robotika bergerak, yaitu bagaimana robot dapat mempersepsikan lingkungan, memperkirakan posisinya, membangun peta, dan mengambil tindakan ketika sensor serta gerakannya selalu mengandung ketidakpastian. Genre utamanya adalah referensi akademik dan panduan algoritmik, bukan pengantar robotika populer. Dasar penyatu seluruh pembahasannya adalah probabilitas, khususnya estimasi keadaan rekursif dan inferensi Bayesian. Dari dasar tersebut, penulis mengembangkan metode untuk lokalisasi, pemetaan, navigasi, pelacakan objek, hingga pengendalian. Penjelasan memadukan derivasi matematis, pseudocode, contoh, sudut pandang praktisi, latihan, dan proyek kelas. Karena itu, buku ini tidak hanya menjelaskan apa yang dilakukan algoritme, tetapi juga alasan model probabilistik diperlukan saat data sensor ambigu, tidak lengkap, atau keliru. Posisi pentingnya terletak pada upaya menyatukan banyak algoritme robotika ke dalam satu kerangka konseptual yang konsisten.