状態推定とは、センサーデータからロボットの状態を判断するプロセスです。状態には、位置、姿勢、速度、そして場合によっては関節角度やバッテリー残量といった内部変数が含まれます。センサーは間接的に、かつノイズを伴いながら測定を行います。状態推定では、これらの測定値とロボットの動き方をモデル化したデータを組み合わせることで、最適な状態を推定します。

カルマンフィルターは古典的な手法です。モーションモデルを用いて次の状態を予測し、センサーデータに基づいて予測を更新します。結果は、予測値と測定値の加重平均となります。重みは、それぞれの不確実性に基づいて決定されます。モデルの精度が高く、センサーにノイズが多い場合は、フィルターはモデルをより信頼します。センサーの精度が高い場合は、センサーをより信頼します。

状態推定の課題

• 非線形運動：カルマンフィルターには線形化が必要です。
• 非ガウスノイズ：粒子フィルタが対処します。
• 外れ値：不適切な測定値は推定値を歪める可能性がある。
• 遅延：測定の遅延は誤差の原因となる。
• 観測可能性：利用可能なセンサーからは推定できない状態もある。

ロボット工学では、状態推定は至るところで用いられています。ドローンはジャイロスコープと加速度計のデータから姿勢を推定します。自動車はGPS、IMU、車輪速度から位置を推定します。ロボットアームはエンコーダから関節角度を推定します。推定値はコントローラに送られ、コントローラは次に何をすべきかを決定します。推定値が悪いと、誤った判断につながります。良い推定値は目に見えません。ロボットはただ動作するだけです。状態推定は完璧なセンサーを持つことではなく、不完全なセンサーから最も有用な情報を抽出することです。だからこそ、ロボット工学において最も重要なトピックの一つなのです。