Организация выборочных вычислений
Так как плотность условного распределения
равна нулю для всех со
стояний, не входящих в области обновления, то результат (6.15) для для этих состояний также равен нулю.
Таким образом, состояния вне областей обновления могут быть исключены из рекурсивных вычислений в (6.15). Более того, для данных состояний не вычисляется сенсорная функция плотности условной вероятности
Это значительно сокращает вычислительные затраты при Марковской локализации.
Для обеспечения робастности алгоритма локализации в условиях ошибочных сенсорных данных при реализации рекурсивных вычислений с использованиемвыражения (6.15) предполагается, что априорная вероятность 
ограничена снизу некоторым малым положительным значением. Данное нижнее пороговое значение устанавливается как 
- общее число дискретных местоположений на карте.
В случае корректных сенсорных данных это предположение не влияет на функционирование алгоритма. Однако, оно помогает «возвратить» алгоритм на фазе согласования к обработке показаний сенсоров предыдущих итераций в следующих случаях:
• данные сенсоров полностью не согласуются с априорной информацией (задача о «похищении» робота - ложная информация о текущем местоположении);
• погрешность показаний сенсоров больше используемой в сенсорной модели из-за непредусмотренных помех.
Такой «возврат» к предыдущим сенсорным данным производится автоматически, когда вычисляется нормирующий коэффициент в конце фазы согласования.
Полученные на итерации tобласти обновления сокращают вычислительные затраты и при вычислении прогноза в (6.14) на следующей (/ + 1) итерации. Они дают возможность выбрать состояния
откуда робот мог начать свое перемещение. Таким образом, использование областей обновления в рекурсивных выражениях на обеих фазах вероятностной локализации позволяет значительно сократить требуемые на ее реализацию вычислительные ресурсы.
В случае, когда необходимо последовательно выполнить две или более фазы прогнозирования (выражение (6.14)), для сокращения объема вычислений используется традиционная методика выборочных вычислений - игнорирование состояний с априорной вероятностью менее некоторого порогового значения. Апостериорная вероятность в таких состояниях задается нулевой.
6.3.2.