Algorytm fuzji czujników

Filtr Kalmana

Filtr Kalmana jest typowy.

Istotą algorytmu jest ustawienie zestawu czynników „przekonań” dla każdego czujnika. W każdym momencie dane z czujnika z ostatniej chwili zostaną wykorzystane do statystyk w celu poprawy przypuszczenia (samododawanie), a także oceniona zostanie jakość czujnika. Porównując wartość przewidywaną z wartością zmierzoną czujnika, oszacowana i wyprowadzona zostanie doskonała wartość.

Oznacza to, że jeśli czujnik zawsze podaje dobrą i stałą wartość i zaczyna podawać coś mało prawdopodobnego, poziom wiarygodności czujnika spadnie w ciągu kilku milisekund, aż znowu zacznie mieć sens.

Jest to lepsze niż zwykłe uśrednianie lub głosowanie, ponieważ filtr Kalmana radzi sobie z sytuacją, w której większość czujników jest chwilowo niesprawna. Tak długo, jak zachowa się zdrowy rozsądek, może on pomóc robotowi przetrwać mroczną chwilę.

Filtr Kalmana to zastosowanie bardziej ogólnych koncepcji łańcucha Markowa i rozumowania Bayesa, które jest systemem matematycznym, który iteracyjnie poprawia swoje domysły na podstawie dowodów. Narzędzia te pomagają samej nauce testować pomysły (które stanowią również podstawę tego, co nazywamy „istotnością statystyczną”).

Dlatego można poetycko powiedzieć, że niektóre systemy syntezy czujników wyrażają istotę nauki z prędkością 1000 razy na sekundę.

Filtry Kalmana są stosowane od kilkudziesięciu lat w stacjach orbitalnych satelitów kosmicznych. Ponieważ współczesne mikrokontrolery potrafią uruchamiać algorytm w czasie rzeczywistym, stają się one coraz bardziej popularne w robotyce.