Toestandsschatting bepaalt de toestand van een robot aan de hand van sensorgegevens. De toestand omvat positie, oriëntatie, snelheid en soms interne variabelen zoals gewrichtshoeken of batterijniveau. Sensoren meten indirect en met ruis. Toestandsschatting combineert de metingen met een model van hoe de robot beweegt om de best mogelijke schatting te maken.

Het Kalman-filter is een klassiek hulpmiddel. Het voorspelt de volgende toestand met behulp van een bewegingsmodel en werkt die voorspelling vervolgens bij met sensorgegevens. Het resultaat is een gewogen gemiddelde van de voorspelling en de meting. De gewichten zijn gebaseerd op de onzekerheid van beide. Als het model betrouwbaar is en de sensor ruis bevat, vertrouwt het filter meer op het model. Als de sensor nauwkeurig is, vertrouwt het filter meer op de sensor.

Uitdagingen bij het schatten van de toestand

• Niet-lineaire beweging: Het Kalman-filter vereist linearisatie.
• Niet-Gaussiaanse ruis: deeltjesfilters kunnen dit verwerken.
• Uitschieters: een onjuiste meting kan de schatting vertekenen.
• Latentie: vertraagde metingen veroorzaken fouten.
• Observeerbaarheid: sommige toestanden kunnen niet worden geschat op basis van de beschikbare sensoren.

Toestandsschatting is alomtegenwoordig in de robotica. Een drone schat zijn oriëntatie aan de hand van gegevens van een gyroscoop en een accelerometer. Een auto schat zijn positie aan de hand van GPS, IMU en wielsnelheid. Een robotarm schat de gewrichtshoeken met behulp van encoders. Deze schatting stuurt de controller aan, die vervolgens bepaalt wat er moet gebeuren. Een slechte schatting leidt tot slechte beslissingen. Een goede schatting is onzichtbaar. De robot werkt gewoon. Toestandsschatting draait niet om perfecte sensoren, maar om het extraheren van de meest bruikbare informatie uit imperfecte sensoren. Daarom is het een van de belangrijkste onderwerpen in de robotica.