Como é que o Kalman Filter está relacionado com a Robótica?

Kalman Filter é normalmente usado em qualquer sistema em tempo real que tenha incerteza. E essas incertezas podem ser devidas a muitas coisas como.

1)Condições Iniciais
2)Efeitos não modelados : Fricção , Aerodinâmica, etc.
3)Perturbações : Rajada de vento, deslizamento de roda, etc.

Então, devido a estas incertezas, os erros continuarão a propagar-se com o tempo se não o fizermos' não corrigiremos estas incertezas. E aqui o Filtro Kalman vem para o resgate.

Na robótica, muitos desses sistemas têm as incertezas acima mencionadas e precisamos corrigi-las para que o robô execute uma tarefa com precisão. For example the Kalman filter finds its applications in the following areas :

1) Motion Planning:

• Robot Navigation - Estimating the position and orientation
• Mapping - Estimating the world around the robot
• Localization - Estimating your position relative to a local world
• SLAM - Mapping and Localizing simultaneously

2) Robot Vision:

• Object Modeling
  
• Visual Servoing
• Structure reconstruction from scenes
• Search and Recognition
• Surveillance

3) Controls and Dynamics :

• Target Tracking
• Manipulation
• Motion Control

And in the last 50 years, around 20 different variations of the Kalman Filter have been developed with each having its own pros and cons. Some might capture the non-linearity of the system well but at the cost of the computational runtime and vice versa. Algumas variações comumente usadas do filtro Kalman são Filtro Kalman Estendido (Para Sistemas Não Lineares), Filtro Kalman Não Perfurado, Filtro Kalman-Bucy, Filtro Kalman de Estado de Erro, etc. Portanto, escolha o filtro que melhor se adapta às suas necessidades.

P.S. Os Filtros Kalman são usados extensivamente em outros campos também. Por exemplo, previsão do tempo, previsão do mercado financeiro, economia, rastreamento de mísseis, gestão de tráfego e controle dinâmico, engenharia biomédica, processos de fabricação etc.