Filter Kalman memperkirakan keadaan suatu sistem dari pengukuran yang bising. Filter ini menggabungkan model matematika tentang bagaimana sistem berperilaku dengan data sensor yang tidak pernah sempurna. Hasilnya adalah perkiraan yang lebih baik daripada model atau sensor saja.

Rudolf Kalman mempublikasikan algoritma ini pada tahun 1960. Algoritma ini digunakan dalam komputer navigasi Apollo dan telah digunakan di hampir setiap sistem panduan sejak saat itu. Sebuah robot menggunakannya untuk menggabungkan odometri roda, IMU, GPS, dan lidar menjadi satu estimasi posisi. Sebuah drone menggunakannya untuk menggabungkan data akselerometer dan giroskop menjadi sikap yang stabil.

Cara kerja filter Kalman

• Prediksi: gunakan model untuk memperkirakan keadaan selanjutnya.
• Pembaruan: gunakan pengukuran sensor untuk mengoreksi prediksi.
• Keuntungan: beri bobot pada prediksi dan pengukuran berdasarkan ketidakpastiannya.
• Kovarians: melacak seberapa tidak pasti estimasi tersebut.
• Iterasi: ulangi pada setiap langkah waktu.

Filter ini mengasumsikan sistem linier dan derau Gaussian. Sistem nyata seringkali nonlinier, itulah sebabnya filter Kalman yang diperluas dan filter Kalman tak berbobot ada. Mereka melinierkan model di sekitar estimasi saat ini. Filter Kalman bukanlah sihir. Ini adalah cara yang berprinsip untuk menggabungkan informasi yang tidak sempurna. Berikan model yang buruk atau data sensor yang buruk dan ia akan menghasilkan estimasi yang buruk. Tetapi ketika model dan sensornya masuk akal, ia sangat efektif. Ini adalah salah satu algoritma terpenting dalam robotika.