如何准确估计机器人的状态，增强机器人控制的精度及稳定性

在机器人学中，状态估计和控制一样，是无法避开的问题。

任何传感器的精度都是有限的，如何利用传感器信息，尽可能准确地估计一组完整描述机器人随时间运动的物理量，如位置、速度、加速度、角度、角速度等，是状态估计领域要解决的最主要问题。因此，稳定、准确的状态估计是机器人稳定控制的必要基础。

经过多年的发展，状态估计理论已经有了许多直接、重要的结果，比如卡尔曼滤波器、最小二乘优化、粒子滤波器等，这些结果在解决目标跟踪、定位、建图、轨迹融合等问题中占据着核心位置。

尽管有《机器人学中的状态估计》这本书能帮助我们系统学习状态估计的理论知识，但是面对1000 个纯理论的公式推导，以及每种方法的数种解法，我们往往很难坚持下来，从开始翻书学习到反复推导公式，到坚持不懈地推导公式，到努力坚持，到最终放弃！

>>状态估计第一期学员课程感想<<

我们，可能有千万个放弃的借口；但是，我们更有必须努力的理由！我们需要提升自己，具备解决更多问题的能力！ 这次必须要认真坚持学习！

深蓝学院联合高翔博士，耗时7个月精心打磨，重磅推出『机器人学中的状态估计』在线课程，帮助大家梳理状态估计理论重点知识，总结公式背后表达的结论以及意义，将理论与应用结合，更透彻理解书中重点公式，更快、更好地搭建状态估计知识体系！