في عالم الروبوتات ذات الأرجل، تعتبر دقة تقدير الحالة (State Estimation) أمرًا حيويًا لنجاح الأداء. وقد تم تقديم فلتر كالمان المدعوم بالشبكات العصبية (Attention-Based Neural-Augmented Kalman Filter) كحل مبتكر يهدف إلى تحسين هذه الدقة من خلال التصدي لمشكلة الانزلاق التي تؤثر على القياسات الحركية.

تعتبر مشكلة انزلاق الأقدام من أكبر مصادر الأخطاء في تقدير الحالة؛ فعندما يحدث الانزلاق، تتعارض القياسات الحركية مع فرضية عدم الانزلاق، مما يؤدي إلى إدخال تحيز أثناء خطوة التحديث. ولمعالجة هذه المشكلة، تم تصميم هذا النظام الجديد لتقدير الخطأ الناتج عن الانزلاق والتعويض عنه.

يعتمد الفلتر الجديد على عامل تعويض عصبي يستخدم آلية الانتباه (Attention Mechanism) للتنبؤ بخطورة الانزلاق، ومن ثم تطبيق هذا التقدير كتعويض بعد خطوة التحديث لفلتر كالمان الممتد غير المتغير (Invariant Extended Kalman Filter). تم تدريب عامل التعويض في فضاء كامن، مما يؤدي إلى تقليل الحساسية لمقاييس المدخلات الخام وتعزيز التعويضات الهيكلية المرتبطة بالانزلاق، مع الحفاظ على تسلسل تجديد الفلتر.

أظهرت التجارب تحسنًا ملحوظًا في الأداء مقارنةً بمقدرات حالات الروبوتات ذات الأرجل الموجودة مسبقًا، خاصة في الظروف المعرضة للانزلاق. يفتح هذا الابتكار أفقًا واسعًا لتحسين قدرات الروبوتات في بيئات صعبة ومتنوعة، مما يعزز من إمكانية استخدامها في المهام العملية المستقبلية.