El filtro Kalman se usa típicamente en cualquier sistema de tiempo real que tenga incertidumbre. Y estas incertidumbres pueden deberse a muchas cosas como.
1) Condiciones iniciales
2) Efectos no modelados: fricción, aerodinámica, etc.
3) Perturbaciones: ráfaga de viento, deslizamiento de la rueda, etc.
Entonces, debido a estas incertidumbres, los errores seguirán propagándose con el tiempo si no corregimos estas incertidumbres. Y aquí Kalman Filter viene a rescatar.
- ¿Por qué los científicos tienen debates teóricos sobre la inteligencia artificial que se apodera del mundo cuando existen problemas reales como disturbios políticos y sociales en este momento?
- ¿Qué lenguajes de programación se usan para programar AI hoy?
- ¿Cuál es el filtro de Kalman intuición?
- ¿Quora es un experimento para recopilar datos naturales y verdaderos de la mente humana para educar a la IA en su proceso de aprendizaje profundo?
- ¿Podrán las computadoras igualar el cerebro humano (procesos de pensamiento similares, etc.)?
En robótica, muchos de estos sistemas tienen las incertidumbres antes mencionadas y necesitamos corregirlas para que el robot realice una tarea con precisión. Por ejemplo, el filtro de Kalman encuentra sus aplicaciones en las siguientes áreas:
1) Planificación de movimiento:
- Navegación de robots : estimación de la posición y orientación
- Mapeo – Estimando el mundo alrededor del robot
- Localización : estimar su posición en relación con un mundo local
- SLAM – Mapeo y localización simultáneamente
2) Visión del robot:
- Modelado de objetos
- Servicio visual
- Reconstrucción de estructuras a partir de escenas.
- Búsqueda y reconocimiento
- Vigilancia
3) Controles y dinámica:
- Seguimiento de objetivos
- Manipulación
- Control de movimiento
Y en los últimos 50 años, se han desarrollado alrededor de 20 variaciones diferentes del Filtro Kalman, cada una con sus propios pros y contras. Algunos podrían capturar bien la no linealidad del sistema pero a costa del tiempo de ejecución computacional y viceversa. Algunas variaciones de uso común del filtro kalman son el filtro Kalman extendido (para sistemas no lineales) , el filtro Kalman sin perfume, el filtro Kalman-Bucy, el filtro Kalman de estado de error, etc. Así que elija el filtro que mejor se adapte a sus necesidades.
Los filtros PS Kalman también se usan ampliamente en otros campos. Por ejemplo, predicción del clima, predicción del mercado financiero, economía, seguimiento de misiles, gestión del tráfico y control dinámico, ingeniería biomédica, procesos de fabricación, etc.
