Το φίλτρο Kalman εκτιμά την κατάσταση ενός συστήματος από μετρήσεις θορύβου. Συνδυάζει ένα μαθηματικό μοντέλο για το πώς συμπεριφέρεται το σύστημα με δεδομένα αισθητήρων που δεν είναι ποτέ τέλειο. Το αποτέλεσμα είναι μια εκτίμηση που είναι καλύτερη είτε από το μοντέλο είτε από τον αισθητήρα μόνο του.

Ο Ρούντολφ Κάλμαν δημοσίευσε τον αλγόριθμο το 1960. Χρησιμοποιήθηκε στον υπολογιστή πλοήγησης Apollo και έκτοτε βρίσκεται σε σχεδόν κάθε σύστημα καθοδήγησης. Ένα ρομπότ τον χρησιμοποιεί για να συνδυάσει την οδομετρία τροχού, την IMU, το GPS και το lidar σε μια ενιαία εκτίμηση θέσης. Ένα drone τον χρησιμοποιεί για να συνδυάσει δεδομένα επιταχυνσιόμετρου και γυροσκοπίου σε μια σταθερή στάση.

Πώς λειτουργεί το φίλτρο Kalman

• Πρόβλεψη: χρήση του μοντέλου για την εκτίμηση της επόμενης κατάστασης.
• Ενημέρωση: χρησιμοποιήστε τη μέτρηση του αισθητήρα για να διορθώσετε την πρόβλεψη.
• Κέρδος: σταθμίστε την πρόβλεψη και τη μέτρηση με βάση την αβεβαιότητά τους.
• Συνδιακύμανση: παρακολουθήστε πόσο αβέβαιη είναι η εκτίμηση.
• Επανάληψη: επανάληψη σε κάθε βήμα.

Το φίλτρο υποθέτει γραμμικά συστήματα και Γκαουσιανό θόρυβο. Τα πραγματικά συστήματα είναι συχνά μη γραμμικά, γι' αυτό και υπάρχουν το εκτεταμένο φίλτρο Kalman και το άοσμο φίλτρο Kalman. Γραμμικοποιούν το μοντέλο γύρω από την τρέχουσα εκτίμηση. Το φίλτρο Kalman δεν είναι μαγικό. Είναι ένας κατ' αρχήν τρόπος για να συνδυαστούν ατελείς πληροφορίες. Αν του δώσετε ένα κακό μοντέλο ή κακά δεδομένα αισθητήρα, θα παράγει μια κακή εκτίμηση. Αλλά όταν το μοντέλο και οι αισθητήρες είναι λογικά, είναι αξιοσημείωτα αποτελεσματικό. Είναι ένας από τους πιο σημαντικούς αλγόριθμους στη ρομποτική.