本書介紹在人工智能時代，用來建模和求解大規(guī)模機器人推斷問題所使用的因子圖。重點介紹解決機器人面臨的大規(guī)模推理問題，以及部署機器人的相關(guān)知識。因子圖相關(guān)知識（概率圖模型的一種）是機器人感知中至關(guān)重要的一環(huán)，而機器人感知是機器人領(lǐng)域較難的技術(shù)點。希望本書能給讀者帶來啟發(fā)。書共通過7章，深入淺出地介紹了因子圖數(shù)學(xué)定義、推斷方法，以及真實環(huán)境中機器人上的各種應(yīng)用。在涵蓋了詳細的背景知識及數(shù)學(xué)論證的同時，提供了充足的SLAM應(yīng)用案例以供讀者參考。
譯者序1
《機器人感知：因子圖在SLAM 中的應(yīng)用》譯稿終于完成了。翻譯一本書付出的勞動遠遠大于閱讀一本書。在翻譯的過程中，我反反復(fù)復(fù)閱讀原版書籍及翻譯版加起來不下30 遍。當(dāng)將終稿交給編輯時，心里還是滿滿的收獲和興奮。
2017 年8 月22 日中午13:30，董靖在泡泡機器人微信群中分享了這本由他的老師Frank Dellaert（GTSAM
的作者）和Michael Kaess（iSAM 的作者）合寫的書，我沒有任何猶豫，當(dāng)天就給Frank
發(fā)了郵件，問他是否可以允許我來翻譯這本書。Frank 非常熱情地答應(yīng)了，同時還推薦他的得意弟子董靖跟我一起翻譯，并且說，相信我們可以合作得很好。
Frank Dellaert 是佐治亞理工學(xué)院的教授，Michael Kaess
從佐治亞理工學(xué)院畢業(yè)后，去麻省理工學(xué)院做了幾年博士，目前在卡內(nèi)基梅隆大學(xué)任職。兩人都是SLAM 界的大牛，他們的開源的iSAM 和GTSAM
利用因子圖對位姿及地圖進行高效優(yōu)化。除了在SLAM 領(lǐng)域，iSAM 和GTSAM
在其他許多機器人領(lǐng)域也得到了非常廣泛的應(yīng)用，如機械臂路徑規(guī)劃、空間時序重建、大規(guī)模三維場景重建等。
目前，市面上關(guān)于SLAM 的書非常少。希望本書的出版能夠為推動國內(nèi)SLAM 的研究貢獻出一份力量。本書從iSAM 和GTSAM
所用到的理論基礎(chǔ)出發(fā)，系統(tǒng)、完整地對其進行了介紹，相信大家讀完本書后，會對基于因子圖的優(yōu)化有深入的理解。書中不僅有概率推斷、貝葉斯網(wǎng)絡(luò)、因子圖、非線性優(yōu)化、流形及在其上的優(yōu)化、貝葉斯樹、QR
分解、喬里斯基分解、邊緣化（Marginalization）等基礎(chǔ)知識的講解，還有增量平滑與地圖構(gòu)建（iSAM）的理論基礎(chǔ)的講解，同時在第7
章還專門介紹了因子圖在機器人領(lǐng)域的各種應(yīng)用案例。
真正理解這本書的一般性內(nèi)容需要花一些時間，融會貫通則更需要下功夫。在品嘗主食（本書）的同時，我們?yōu)榇蠹彝扑]3 個配菜。
1. 源碼：iSAM 及GTSAM 的代碼均已開源，在看本書的過程中，可以配合源碼一起看，這樣能夠更好地理解本書的理論內(nèi)容。
2. 在【泡泡機器人SLAM】（ID：paopaorobot_slam）微信公眾號上面，搜索董靖講解的GTSAM Tutorial公開課，可以幫助你快速了解GTSAM的整體框架和應(yīng)用。
3. 在泡泡論壇（http://paopaorobot.org）上進行交流。在看書過程中遇到的任何問題都可以在論壇上提問，只有互相交流才能更好地理解書上的內(nèi)容。
與董靖合作翻譯的過程非常愉快，他是本書作者之一Frank 的弟子，對于本書的內(nèi)容非常熟悉，我們經(jīng)常高密度地對有疑問的內(nèi)容進行討論，在這個過程中，他也給了我非常多的啟發(fā)。
在本書的翻譯過程中，我得到了很多人的幫助和支持。首先要感謝電子工業(yè)出版社的鄭柳潔女士及白濤老師，沒有你們就沒有這本書的面世。鄭編輯也為我們處理了所有翻譯之外的事情，讓我們能不受干擾地完成這本書的翻譯。
感謝泡泡機器人學(xué)術(shù)組織的章國鋒老師、黃山老師，以及周平、蔡育展、魯濤、劉暢、王慧國、陳世浪等同學(xué)的反饋意見。
在這里，我想把這本書送給我的妻子李明曉，遇到你是我這輩子最大的幸運，你的境界、心態(tài)和思想都深深地影響著我，讓我變得更加成熟穩(wěn)重。有你的地方就是家，就是可以棲息的港灣。我愛你。同時，也將此書獻給我的女兒劉天琦，爸爸希望你能夠有天地般寬廣的胸懷，同時能夠一生都對所有事物保持好奇心，做一個快樂的科學(xué)家。還有我的奶奶、爸爸媽媽、岳父岳母。我之所以可以活得這么快樂簡單，后面是你們的負重前行，謝謝你們。感謝麻省理工學(xué)院的Wanda，與她的每次交流都讓我受益匪淺，從她的身上我學(xué)到了非常多好的習(xí)慣。感謝我的老師王宗義教授在我讀博期間對我的言傳身教，他讓我體會到了做實業(yè)的快樂和成就感，也讓我養(yǎng)成了良好的科研習(xí)慣。
嚴復(fù)翻譯《天演論》時，在譯例言中講到：譯事三難：信、達、雅。信是指翻譯要準(zhǔn)確，達是指不拘泥于原文，雅是指語句要得體適當(dāng)。我們盡了自己最大的努力保證翻譯的信，同時期望可以達到達和雅的境界。盡管如此，限于譯者水平，譯文的缺點和錯誤在所難免，誠懇地希望讀者批評指正。
劉富強
譯者序2
同步定位與地圖構(gòu)建，也就是大家熟知的SLAM，是機器人學(xué)領(lǐng)域非常重要的一個子領(lǐng)域。近幾年來，隨著無人機、無人車、虛擬現(xiàn)實及增強現(xiàn)實的逐漸商用與普及，SLAM 作為以上領(lǐng)域的重要驅(qū)動技術(shù)越來越受到大家的重視。
5 年前我有幸加入Frank 的課題組，并在Frank 的指導(dǎo)下開始從事SLAM 相關(guān)領(lǐng)域的研究。5 年博士期間我與Frank
的合作愉快而充實，從他那里我不僅學(xué)到了機器人學(xué)、數(shù)學(xué)乃至C 編程的很多知識，更有他嚴謹治學(xué)、踏實工作的態(tài)度。所以在收到Frank
的郵件，邀請我參與Factor Graphs for Robot
Perception（下稱原書）中文翻譯時，我的內(nèi)心是非常激動的。在感謝Frank 對我SLAM 領(lǐng)域?qū)I(yè)水平信任的同時，我也感受到推廣SLAM
技術(shù)、推廣因子圖工作的責(zé)任之重。
近十年來，在Frank 等業(yè)內(nèi)專家的努力下，因子圖作為一種高度靈活的概率圖模型，在SLAM
領(lǐng)域得到了廣泛的推廣與應(yīng)用。原書作為兩位作者在SLAM 領(lǐng)域研究應(yīng)用因子圖十余年經(jīng)驗的總結(jié)，通過7
個章節(jié)，深入淺出地介紹了因子圖數(shù)學(xué)定義、推斷方法，以及真實環(huán)境中機器人上的各種應(yīng)用。原書在涵蓋了詳細的背景知識及數(shù)學(xué)論證的同時，也提供了充足的SLAM
應(yīng)用案例以供參考。原書可以作為高年級研究生課程教材，也可以供SLAM 領(lǐng)域?qū)I(yè)人士參考。
目前市面上關(guān)于SLAM 領(lǐng)域工作的中文著作并不多，涉及因子圖、近期SLAM
界進展的著作更是少之又少。我參與本書翻譯的最大動力便是希望將因子圖這一工具及業(yè)界關(guān)于SLAM
研究的最新進展介紹給大家，拋磚引玉。希望本書能輔助讀者了解因子圖這一工具，或者對SLAM 領(lǐng)域相關(guān)的研究帶來啟發(fā)。
本書的翻譯是由富強兄所主導(dǎo)的，在本書中富強兄付出了非常多的時間和心血，在此表示感謝，沒有富強兄的工作就不可能有本書的出版！同時一并感謝參與題序的老師們、參加審閱校對的各位老師同學(xué)，以及電子工業(yè)出版社的各位編輯，感謝你們?yōu)楸緯樌霭娓冻龅男燎诠ぷ鳎?/p>
最后，限于譯者水平，缺陷甚至錯誤在所難免，懇請讀者批評指正。
董靖
書單推薦
