Durum tahmini, bir robotun durumunu sensör verilerinden belirler. Durum; konum, yönelim, hız ve bazen eklem açıları veya pil seviyesi gibi iç değişkenleri içerir. Sensörler dolaylı ve gürültülü bir şekilde ölçüm yapar. Durum tahmini, en iyi tahmini üretmek için ölçümleri robotun nasıl hareket ettiğine dair bir modelle birleştirir.

Kalman filtresi klasik bir araçtır. Hareket modelini kullanarak bir sonraki durumu tahmin eder, ardından tahmini sensör verileriyle günceller. Sonuç, tahmin ve ölçümün ağırlıklı ortalamasıdır. Ağırlıklar, her birinin belirsizliğinden gelir. Model güvenilir ve sensör gürültülü ise, filtre modele daha çok güvenir. Sensör hassas ise, sensöre daha çok güvenir.

Durum tahmini zorlukları

• Doğrusal olmayan hareket: Kalman filtresinin doğrusallaştırılması gerekir.
• Gauss dağılımına uymayan gürültü: parçacık filtreleri bunu işler.
• Aykırı değerler: Hatalı bir ölçüm, tahmini bozabilir.
• Gecikme: Gecikmiş ölçümler hatalara neden olur.
• Gözlemlenebilirlik: Bazı durumlar mevcut sensörlerden tahmin edilemez.

Robotikte durum tahmini her yerde karşımıza çıkar. Bir drone, jiroskop ve ivmeölçer verilerinden konumunu tahmin eder. Bir araba, GPS, IMU ve tekerlek hızından konumunu tahmin eder. Bir robot kolu, enkoderlerden eklem açılarını tahmin eder. Bu tahmin, bir sonraki adımda ne yapılacağına karar veren kontrol ünitesine iletilir. Kötü bir tahmin, kötü kararlara yol açar. İyi bir tahmin ise görünmezdir. Robot sadece çalışır. Durum tahmini, mükemmel sensörlere sahip olmakla ilgili değildir. Kusurlu sensörlerden en faydalı bilgiyi çıkarmakla ilgilidir. Bu nedenle robotikteki en önemli konulardan biridir.