State Estimation for Robots: A Review
该论文是机器人状态估计领域的综合性综述，系统梳理了机器人状态估计的原理、算法和在各类机器人系统中的应用。状态估计是机器人感知自身状态（位置、速度、姿态等）的核心技术，旨在通过融合多种传感器信息获得准确、鲁棒的状态估计，在自动驾驶、移动机器人、无人机、人形机器人、水下机器人等领域有广泛应用。论文将状态估计方法分为五大类：1）基于滤波的方法，包括卡尔曼滤波（KF）、扩展卡尔曼滤波（EKF）、无迹卡尔曼滤波（UKF）、粒子滤波（PF）等；2）基于优化的方法，包括Bundle Adjustment、图优化、滑动窗口优化等；3）基于多传感器融合的方法，包括视觉-IMU融合（VIO）、激光-IMU融合、GPS-IMU融合等；4）基于学习的方法，包括深度学习状态估计、端到端状态估计等；5）基于鲁棒估计的方法，包括鲁棒滤波、异常值检测、自适应估计等。论文详细讨论了传感器噪声建模、外参标定、时间同步、回环检测、重定位等关键技术，以及在自动驾驶、移动机器人、无人机、人形机器人、水下机器人等场景的应用。该综述引用超过1100次，是机器人状态估计领域的重要参考资料。
主体信息
该论文是机器人状态估计领域的综合性综述，系统梳理了机器人状态估计的原理、算法和在各类机器人系统中的应用。状态估计是机器人感知自身状态（位置、速度、姿态等）的核心技术，旨在通过融合多种传感器信息获得准确、鲁棒的状态估计，在自动驾驶、移动机器人、无人机、人形机器人、水下机器人等领域有广泛应用。论文将状态估计方法分为五大类：1）基于滤波的方法，包括卡尔曼滤波（KF）、扩展卡尔曼滤波（EKF）、无迹卡尔曼滤波（UKF）、粒子滤波（PF）等；2）基于优化的方法，包括Bundle Adjustment、图优化、滑动窗口优化等；3）基于多传感器融合的方法，包括视觉-IMU融合（VIO）、激光-IMU融合、GPS-IMU融合等；4）基于学习的方法，包括深度学习状态估计、端到端状态估计等；5）基于鲁棒估计的方法，包括鲁棒滤波、异常值检测、自适应估计等。论文详细讨论了传感器噪声建模、外参标定、时间同步、回环检测、重定位等关键技术，以及在自动驾驶、移动机器人、无人机、人形机器人、水下机器人等场景的应用。该综述引用超过1100次，是机器人状态估计领域的重要参考资料。