Bộ lọc Kalman ước tính trạng thái của một hệ thống từ các phép đo nhiễu. Nó kết hợp mô hình toán học về cách hệ thống hoạt động với dữ liệu cảm biến, vốn không bao giờ hoàn hảo. Kết quả là một ước tính tốt hơn so với cả mô hình hoặc cảm biến riêng lẻ.

Rudolf Kalman đã công bố thuật toán này vào năm 1960. Nó được sử dụng trong máy tính dẫn đường Apollo và đã có mặt trong hầu hết các hệ thống dẫn đường kể từ đó. Robot sử dụng nó để kết hợp dữ liệu đo quãng đường bánh xe, IMU, GPS và lidar thành một ước tính vị trí duy nhất. Máy bay không người lái sử dụng nó để kết hợp dữ liệu gia tốc kế và con quay hồi chuyển thành một tư thế ổn định.

Cách thức hoạt động của bộ lọc Kalman

• Dự đoán: sử dụng mô hình để ước tính trạng thái tiếp theo.
• Cập nhật: Sử dụng phép đo cảm biến để hiệu chỉnh dự đoán.
• Hệ số tăng: trọng số của dự đoán và phép đo dựa trên độ không chắc chắn của chúng.
• Hiệp phương sai: theo dõi mức độ không chắc chắn của ước tính.
• Lặp lại: thực hiện lại ở mỗi bước thời gian.

Bộ lọc Kalman giả định các hệ thống tuyến tính và nhiễu Gaussian. Các hệ thống thực tế thường phi tuyến tính, đó là lý do tại sao có bộ lọc Kalman mở rộng và bộ lọc Kalman không mùi. Chúng tuyến tính hóa mô hình xung quanh ước tính hiện tại. Bộ lọc Kalman không phải là phép thuật. Nó là một phương pháp có nguyên tắc để kết hợp thông tin không hoàn hảo. Cung cấp cho nó một mô hình tồi hoặc dữ liệu cảm biến tồi và nó sẽ tạo ra một ước tính tồi. Nhưng khi mô hình và cảm biến hợp lý, nó lại cực kỳ hiệu quả. Nó là một trong những thuật toán quan trọng nhất trong robot học.