Kalmanfiltret uppskattar ett systems tillstånd utifrån brusiga mätningar. Det kombinerar en matematisk modell av hur systemet beter sig med sensordata som aldrig är perfekt. Resultatet är en uppskattning som är bättre än antingen modellen eller sensorn ensam.

Rudolf Kalman publicerade algoritmen 1960. Den användes i Apollo-navigationsdatorn och har funnits i nästan alla styrsystem sedan dess. En robot använder den för att sammanfoga hjulodometri, IMU, GPS och lidar till en enda positionsuppskattning. En drönare använder den för att kombinera accelerometer- och gyroskopdata till en stabil position.

Hur Kalman-filtret fungerar

• Förutsäg: använd modellen för att uppskatta nästa tillstånd.
• Uppdatering: använd sensormätningen för att korrigera förutsägelsen.
• Vinst: vikta förutsägelsen och mätningen med deras osäkerhet.
• Kovarians: spåra hur osäker uppskattningen är.
• Iterera: upprepa vid varje steg.

Filtret antar linjära system och gaussiskt brus. Verkliga system är ofta icke-linjära, vilket är anledningen till att det utökade Kalman-filtret och det oparfymerade Kalman-filtret finns. De linjäriserar modellen runt den aktuella uppskattningen. Kalman-filtret är inte magiskt. Det är ett principiellt sätt att kombinera ofullkomlig information. Ge det en dålig modell eller dåliga sensordata och det kommer att producera en dålig uppskattning. Men när modellen och sensorerna är rimliga är det anmärkningsvärt effektivt. Det är en av de viktigaste algoritmerna inom robotik.