UKF : Unscented Kalman Filter
IA
Filtre de Kalman non linéaire utilisant la transformation unscented pour une estimation plus précise sans linéarisation locale.
Principe : L'UKF utilise un ensemble de points dits 'sigma points' pour approximer la distribution de l'état, capturant mieux la non-linéarité que l'EKF sans calcul de dérivées.
Avantages : Meilleure précision et stabilité que l'EKF sur les systèmes non linéaires, avec une complexité de calcul modérée.
Applications : Utilisé en robotique, navigation, traitement du signal et contrôle pour estimer des états dans des systèmes dynamiques non linéaires.
Ce qui arrive si on s'en passe
Sans estimateur adapté aux systèmes non linéaires, la navigation d'un robot ou d'un véhicule s'appuie sur une linéarisation locale qui décroche dès que la dynamique se courbe franchement : l'estimation dérive, parfois diverge, et la commande agit avec assurance sur un état qui n'existe pas. Le filtre de Kalman étendu impose en outre le calcul de dérivées, source d'erreurs de programmation que l'UKF évite. Un filtre mal adapté ne signale d'ailleurs pas sa propre erreur : il fournit une estimation fausse accompagnée d'une covariance rassurante. Rien n'est plus dangereux qu'un instrument qui se trompe avec précision.
Explication de la marmotte
Imagine que tu veux deviner où se trouve une tortue dans un jardin un peu fou, avec des chemins qui tournent et des obstacles. Au lieu de faire une estimation simple qui pourrait être fausse, cette méthode utilise plusieurs points de repère autour de la tortue pour mieux comprendre sa position, même si le terrain est compliqué. C’est comme si tu regardais la tortue sous différents angles pour être sûr de ne pas te tromper, sans avoir besoin de simplifier le jardin. Cela permet de suivre la tortue avec plus de précision.