1 状态估计问题

即在x1条件下估计x2，也就是对下一个状态的估计，可用的方法：svm、神经网络、贝叶斯（最大后验、最大似然估计）。直观解释

由于噪声的存在，当我们把估计的轨迹与地图代入SLAM的运动、观测方程中时，它们并不会完美的成立。此时就调整状态的估计，使得误差最小化

1.1 如何估计

状态变量（所有待求解的量）状态估计等同于求解条件分布：

1.2 最小二乘法如何求最优

1.2.1最速法

1.2.2 牛顿法

1.2.3 比较

1.2.3 高斯牛顿法

1.2.4 L-M方法

1.2.5 改进版G-N

1.3 小结

非线性优化是个很大的主题，研究者们为之奋斗多年主要方法：最速下降、牛顿、G-N、L-M、DogLeg等与线性规划不同，非线性需要针对具体问题具体分析问题非凸时，对初值敏感，会陷入局部最优目前没有非凸问题的通用最优值的寻找办法问题凸时，二阶方法通常一两步就能收敛 SLAM第六讲学习笔记