Cette séance de cours couvre les bases de la robotique mobile, en se concentrant sur les incertitudes impliquées dans la localisation. En commençant par le filtre Bayes, l'instructeur explique les filtres Bayes discrets et les filtres à particules. Passant au filtre de Kalman, la séance de cours se penche sur les représentations gaussiennes, la fusion des capteurs et le filtre de Kalman étendu. Les exemples pratiques incluent les scénarios de localisation 1D et 2D, la fusion de capteurs à l'aide d'accéléromètres et de gyroscopes, et l'application du filtre de Kalman étendu dans l'estimation d'orientation.