Sense And Move 2 Solution - Cs373 unit 1 - Udacity

Vamos executar o programa, e descobre-se que agora a célula mais provável é a 4ª. Faz sentido, porque a melhor coincidência de vermelho, vermelho com o mundo é vermelho aqui e vermelho aqui. Depois de ver vermelho à 2ª vez, o robot ainda deu um passo à direita e foi parar à 4ª célula, como se vê aqui. Bem, quero festejar contigo este código que escreveste, que é uma peça de software que implementa a essência da abordagem à localizaçãoque implementada no carro sem condutor da Google. Como disse no início, é absolutamente crucial que o carro saiba exactamente onde se encontra, em relação ao mapa da estrada. Embora a estrada não esteja pintada de verde e vermelho, tem os riscos que limitam as faixas. Em vez destas células verdes e vermelhas aqui, insere-se a cor dos delimitadores de faixas relativamente à cor do pavimento. Não é somente uma medida em cada passo, é um enorme conjunto de observações, uma imagem completa de uma câmara de filmar, mas podes aplicar as mesmas técnicas à imagem da câmara desde que possas fazer corresponder a imagem da câmara do teu modelo com a imagem da câmara que foi observada (medida). Então, um programa não muito mais difícil do que o que acabaste de escrever é o respnsável por orientar e localizar o carro autónomo da Google. Acabaste de implementar uma função bué de importante que permite ao carro da Google "conduzir-se." Acho que deves ficar muito feliz e orgulhoso contigo mesmo. Deves dizer para dentro, "fantástico, acabei de implementar a localização em robótica!" Mas porque raio é que levou à Google tanto tempo a construir um produto que se conduz sózinho? Bem, a verdade é que a situação é um pouco mais difícil. Às vezes a estrada é repavimentada e muda, e estamos a trabalhar este aspecto. Mas tu implementaste o cerne da ideia da localização do carro Google, e isso é que interessa. Deixa-me sumarizar os aspectos essenciais que aprendeste.