Оценка состояния определяет состояние робота на основе данных датчиков. Состояние включает в себя положение, ориентацию, скорость, а иногда и внутренние переменные, такие как углы сочленений или уровень заряда батареи. Датчики измеряют косвенно и с помехами. Оценка состояния объединяет измерения с моделью движения робота, чтобы получить наиболее вероятное предположение.

Фильтр Калмана — это классический инструмент. Он предсказывает следующее состояние, используя модель движения, а затем обновляет предсказание с помощью данных датчика. Результатом является взвешенное среднее предсказания и измерения. Веса определяются неопределенностью каждого из них. Если модель уверена, а данные датчика содержат шум, фильтр больше доверяет модели. Если данные датчика точны, фильтр больше доверяет датчику.

Проблемы оценки состояния

• Нелинейное движение: фильтру Калмана требуется линеаризация.
• Негауссовый шум: с ним справляются фильтры частиц.
• Выбросы: некорректное измерение может исказить оценку.
• Задержка: задержки в измерениях приводят к ошибкам.
• Наблюдаемость: некоторые состояния невозможно оценить с помощью имеющихся датчиков.

Оценка состояния повсеместно используется в робототехнике. Дрон оценивает свою ориентацию по данным гироскопа и акселерометра. Автомобиль оценивает свое положение по GPS, инерциальному измерительному блоку (IMU) и скорости вращения колес. Роботизированная рука оценивает углы сочленений по данным энкодеров. Эта оценка поступает в контроллер, который принимает решение о дальнейших действиях. Плохая оценка приводит к плохим решениям. Хорошая оценка незаметна. Робот просто работает. Оценка состояния — это не вопрос наличия идеальных датчиков. Это вопрос извлечения наиболее полезной информации из несовершенных. Именно поэтому это одна из важнейших тем в робототехнике.