Odhad stavu určuje stav robota z dat ze senzorů. Stav zahrnuje polohu, orientaci, rychlost a někdy i vnitřní proměnné, jako jsou úhly kloubů nebo úroveň nabití baterie. Senzory měří nepřímo a za šumu. Odhad stavu kombinuje měření s modelem pohybu robota, aby se dosáhlo co nejlepšího odhadu.

Kalmanův filtr je klasický nástroj. Předpovídá další stav pomocí modelu pohybu a poté aktualizuje predikci s využitím dat ze senzorů. Výsledkem je vážený průměr predikce a měření. Váhy vycházejí z nejistoty každého z nich. Pokud je model spolehlivý a senzor je zašuměný, filtr modelu více důvěřuje. Pokud je senzor přesný, důvěřuje senzoru.

Problémy s odhadem stavu

• Nelineární pohyb: Kalmanův filtr potřebuje linearizaci.
• Negaussovský šum: částicové filtry si s ním poradí.
• Odlehlé hodnoty: špatné měření může zkreslit odhad.
• Latence: zpožděná měření způsobují chyby.
• Pozorovatelnost: některé stavy nelze odhadnout z dostupných senzorů.

Odhad stavu je v robotice všudypřítomný. Dron odhaduje svou polohu z dat gyroskopu a akcelerometru. Auto odhaduje svou polohu z GPS, IMU a rychlosti kol. Robotické rameno odhaduje úhly kloubů z enkodérů. Odhad posílá data do řídicí jednotky, která rozhoduje, co dělat dál. Špatný odhad vede ke špatným rozhodnutím. Dobrý odhad je neviditelný. Robot prostě pracuje. Odhad stavu nespočívá v dokonalých senzorech. Jde o to, extrahovat co nejužitečnější informace z nedokonalých. Proto je to jedno z nejdůležitějších témat v robotice.