AI（機械学習）やROS（ロボットオペレーションシステム）の推論技術

機械学習における結果はデータからその結果を推定しているので結果は確率で表されます。それは統計学がに基づいています。
その重要なものは
ベイズ推定（ベイズすいてい、英: Bayesian inference）とは、ベイズ確率の考え方に基づき、観測事象（観測された事実）から、推定したい事柄（それの起因である原因事象）を、確率的な意味で推論することを指す。
統計学なので優良データが多ければ多いほど確度が上がります。

自動運転や航空機、ドローンの位置はオドメトリやデッドレコニング等タイヤの外周x回転数や軌道とGPS、ジャイロやレーダを組み合わせて正確な位置を推定します。
一つのセンサーで位置を正確に出せないだからです。
ある角度にハンドルをきって軌道から距離を求めてもタイヤの滑り等で誤差が無限に広がってしまいます。GPSは屋内では使えませんしレーダーも測定距離に制限があります。

拡張カルマンフィルタを使用した自己位置推定MATLAB, Pythonサンプルプログラム
作者の許可を頂きました。
https://github.com/AtsushiSakai/PythonRobotics/tree/master/Localization

カルマンフィルタの応用例としては、

下記のようなものがあります。

• 宇宙における軌跡推定・姿勢推定

• ドローンの位置姿勢推定

• 複数ロボットの協調位置推定

• 自動車のエンジンの状態量の推定

• 自動車の故障検知

• 自動車のABSにおけるタイヤと地面の相互力やタイヤ摩擦係数の推定

• 自動車の自動運転

• 電池の状態推定: 電池の残量は直接観測できないため、電池の電流と電圧でカルマンフィルタを使って推定する

• 電力配分における状態推定: 各地区における需要と供給の情報を断片的で、かつ、ノイズが含まれたデータから推定する。

黒線はタイヤの軌道、緑がGPSのデータ、赤線がカルマンフィルターを使った推定された軌跡で青が実際の軌跡。

ベイズもカルマンも人の名前です。

カルマンフィルターはアポロ計画で軌道計算に採用されました。

スマホのグーグルマップで自分の位置情報を表示する際に普通に使っている機能の一部です。初期の地図アプリはGPSのデータだけだったので誤差がひどくて使い物になりませんでした。

現在の最新技術は色々な意味で先を読む技術です。だから素晴らしいのかもしれません。