机器人传感器
机器人通过摄像头和其他传感器来感知世界，但这些传感器并是不完全准确的。在这段视频中，你看到的示例是一个由彩色网格单元格组成的一维世界中的机器人。所有单元格都是绿色或红色的。机器人可以感觉到自己在一个红色网格单元中。
这个读数准确的概率，我们称之为传感器达到目标pHd，这个概率是0.6，但这是个读数不准确的概率（传感器已经错过了它的目标），机器人实际上在一个绿色网格单元中，且pMiss等于0.2。
在这个notebook中，我们会一步一步地了解它的工作原理。
均匀分布
该机器人会从一个长度为5个单元格的地图中开始运动。由于它最初不知道自己在哪里，所以在任何一个空间的概率是相同的，这就是均匀分布！
# importing resources
import matplotlib.pyplot as plt
import numpy as np
# ex. initialize_robot(5) = [0.2, 0.2, 0.2, 0.2, 0.2]
def initialize_robot(grid_length):
''' Takes in a grid length and returns
a uniform distribution of location probabilities'''
p = []
# create a list that has the value of 1/grid_length for each cell
for i in range(grid_length):
p.append(1.0/grid_length)
return p
还要用到一个辅助函数，用于可视化此分布。下面的函数display_map将会输出一个条形图，显示机器人在每个网格空间中的概率。至于概率范围，y轴的范围是0到1。对于均匀分布来说，这看起来像一条扁平线。如果想要将它们分开，可以选择每个条的宽度<= 1。
def display_map(grid, bar_width=1):
if(len(grid) > 0):
x_labels = range(len(grid))
plt.bar(x_labels, height=grid, width=bar_width, color='b')
plt.xlabel('Grid Cell')
plt.ylabel('Probability')
plt.ylim(0, 1) # range of 0-1 for probability values
plt.title('Probability of the robot being at each cell in the grid')
plt.xticks(np.arange(min(x_labels), max(x_labels)+1, 1))
plt.show()
else:
print('Grid is empty')
# initialize a 5 cell, 1D world
p = initialize_robot(5)
display_map(p)
感知后的概率
然后，这个机器人会感知到它处于一个红色网格单元中，并更新其概率。根据我们的例子：
- 机器人对颜色感知正确的概率是
pHit = 0.6。 - 机器人对颜色感知不正确的概率是
pMiss = 0.2，在这个示例中：它看到了红色，但实际上它在绿色单元格中。
<img src=’images/robot_sensing.png’ width=50% height=50% />
接下来，我们编写一段代码，使每个条目在适当的位置乘以pHit或pMiss后输出一个新的网格p。
请记住，红色单元格（单元格1和单元格2）代表“感知正确”，而其他绿色单元格代表“感知不正确”。
请注意，由于机器人在表示浮点方面并不是无可挑剔的，因此，你看到的值可能会不准确。
# given initial variables
p = initialize_robot(5)
pHit = 0.6
pMiss = 0.2
# Creates a new grid, with modified probabilities, after sensing
# All values are calculated by a product of 1. the sensing probability for a color (pHit for red)
# and 2. the current probability of a robot being in that location p[i]; all equal to 0.2 at first.
p[0] = p[0]*pMiss
p[1] = p[1]*pHit
p[2] = p[2]*pHit
p[3] = p[3]*pMiss
p[4] = p[4]*pMiss
print(p)
display_map(p)
你应该看到红色网格单元格（1和2）的概率高于绿色单元格。但奇怪的是，这些概率条竟然那么低，同时，你可能已经注意到，这些不能准确地表示概率分布，因为这个列表中的分量总和不是1！
练习：计算所有概率的总和。
这些值加起来是多少？你认为我们如何将其转化为一个其分量总和为1的概率分布，？
在下一个代码单元格中，编写一段代码，计算一个新空间中的概率值p 的总和。
# What is the sum of all the values in p?
## TODO: add up all the values in the list of location probabilities to determine the answer
