蒙特卡洛定位(Monte Carlo Localization, MCL)是一種機率定位方法，它通過使用大量粒子來表示機器人當前位置的不確定性。每個粒子代表機器人可能位於某個位置的假設，其權重根據機器人感測器的讀數更新。MCL的主要步驟包括：
粒子初始化。根據機器人所在環境的先驗知識，隨機生成一組粒子，每個粒子代表一個可能的機器人位置。
運動模型更新。根據機器人的運動模型，對每個粒子進行運動更新，模擬機器人在運動後的可能位置。
權重計算與更新。基於機器人的感知數據（如距離感測器讀數），計算每個粒子的權重，以表示該粒子與當前感知數據的一致性。
重採樣。根據粒子的權重進行重採樣，使得權重較高的粒子被保留，而權重較低的粒子被替換或丟棄，從而使得粒子集更加集中在對機器人位置的準確估計上。
MCL廣泛套用於機器人自主導航和定位，特別是在存在距離感測器（如雷射掃瞄器和聲納感測器）的機器人設備上。MCL的變種，如自適應蒙特卡洛定位(AMCL)，通過引入額外的機制來改進算法性能，例如通過引入隨機粒子和KLD採樣來解決粒子冗餘問題，以及通過引入感測器模型來提高動態環境中的定位性能。