Thuật toán tổng hợp cảm biến

Bộ lọc Kalman

Bộ lọc Kalman là điển hình.

Cốt lõi của thuật toán là thiết lập một tập hợp các yếu tố "niềm tin" cho mỗi cảm biến. Tại mỗi thời điểm, dữ liệu cảm biến từ giây phút cuối cùng sẽ được sử dụng cho các số liệu thống kê để cải thiện dự đoán (tự thêm) và chất lượng của cảm biến cũng sẽ được đánh giá. Trong so sánh giữa giá trị dự đoán và giá trị đo của cảm biến, một giá trị tuyệt vời sẽ được ước tính và đầu ra.

Điều này có nghĩa là nếu một cảm biến luôn mang lại giá trị tốt và nhất quán và bắt đầu nói với bạn điều gì đó không thể xảy ra, mức độ tin cậy của cảm biến sẽ giảm trong vài mili giây cho đến khi nó bắt đầu có ý nghĩa trở lại.

Điều này tốt hơn so với tính trung bình hoặc bỏ phiếu đơn giản, bởi vì bộ lọc Kalman có thể đối phó với tình huống mà hầu hết các cảm biến tạm thời không theo thứ tự. Miễn là người ta có thể giữ lý do chính đáng, nó có thể làm cho robot vượt qua khoảnh khắc tối.

Bộ lọc Kalman là một ứng dụng của các khái niệm chung hơn về chuỗi Markov và lý luận Bayes, đây là một hệ thống toán học giúp cải thiện một cách lặp đi lặp lại bằng cách sử dụng bằng chứng. Những công cụ này là các công cụ được sử dụng để giúp chính khoa học kiểm tra các ý tưởng (cũng là cơ sở của những gì chúng ta gọi là "ý nghĩa thống kê").

Do đó, có thể nói về mặt thi pháp rằng một số hệ thống tổng hợp cảm biến đang thể hiện bản chất của khoa học với tốc độ 1000 lần mỗi giây.

Bộ lọc Kalman đã được sử dụng trong các trạm vệ tinh không gian trong nhiều thập kỷ. Bởi vì các bộ vi điều khiển hiện đại có thể chạy thuật toán trong thời gian thực, chúng ngày càng trở nên phổ biến hơn trong robot.