Tillståndsuppskattning avgör en robots tillstånd utifrån sensordata. Tillståndet inkluderar position, orientering, hastighet och ibland interna variabler som ledvinklar eller batterinivå. Sensorer mäter indirekt och bullrigt. Tillståndsuppskattning kombinerar mätningarna med en modell av hur roboten rör sig för att producera den bästa gissningen.

Kalmanfiltret är det klassiska verktyget. Det förutspår nästa tillstånd med hjälp av rörelsemodellen och uppdaterar sedan förutsägelsen med sensordata. Resultatet är ett viktat medelvärde av förutsägelse och mätning. Vikterna kommer från osäkerheten hos varje. Om modellen är säker och sensorn är brusig, litar filtret mer på modellen. Om sensorn är exakt, litar det på sensorn.

Utmaningar för statlig uppskattning

• Ickelinjär rörelse: Kalman-filtret behöver linjärisering.
• Icke-gaussiskt brus: partikelfilter hanterar det.
• Extremvärden: en dålig mätning kan korrumpera uppskattningen.
• Latens: försenade mätningar orsakar fel.
• Observerbarhet: vissa tillstånd kan inte uppskattas från tillgängliga sensorer.

Tillståndsuppskattning finns överallt inom robotik. En drönare uppskattar sin attityd från gyroskop- och accelerometerdata. En bil uppskattar sin position från GPS, IMU och hjulhastighet. En robotarm uppskattar ledvinklar från kodare. Uppskattningen matar styrenheten, som bestämmer vad som ska göras härnäst. En dålig uppskattning leder till dåliga beslut. En bra uppskattning är osynlig. Roboten bara fungerar. Tillståndsuppskattning handlar inte om att ha perfekta sensorer. Det handlar om att extrahera den mest användbara informationen från ofullkomliga. Det är därför det är ett av de viktigaste ämnena inom robotik.