机器人学核心 · B7
状态估计（卡尔曼滤波族）
机器人永远拿不到「真值」，只有带噪声、带延迟的观测。状态估计就是从这些观测里猜出当前状态。
要学什么
- 卡尔曼滤波五步，以及 EKF 为什么必须线性化、线性化误差如何表现
- 误差状态卡尔曼滤波（ESKF）：姿态估计里为什么比标准 EKF 更稳
- 观测模型怎么写：编码器、IMU、视觉各自给出的是什么量
- 滤波器一致性：什么叫「过度自信」，怎么用新息（innovation）诊断
四条路线需要多深
算法精通
系统软件知道
嵌入式电控知道
机械结构不需要
「精通」= 能从零推导 / 能手写实现 / 能判断别人的方案对不对；「用过」= 能调起来、能改参数；「知道」= 能听懂、能提问。
怎么算学会了
能手推一维卡尔曼的两步更新，能解释 EKF 线性化误差的来源，能说出滤波器发散的三种典型原因。
常见错误
- IMU 与轮速计权重乱设，融合结果比单用任何一个都差
- 滤波器输出很平滑，但滞后 100ms，看着舒服却控不住