1969年7月に人間が月に最初に着陸した51周年で、この着陸を可能にするのに役立つ基本技術であるカルマンフィルターを思い出してみましょう。アメリカの電気技師、数学者、ハンガリー系の発明者であるルドルフカルマンにちなんで名付けられたこのフィルターは、1960年に彼が提案した数学的手法です。複数のセンサーによる観測に基づいてオブジェクトの位置を推定するのに特に役立ち、車両や航空機の誘導、ナビゲーション、制御システムで広く使用されています。
カルマンがマウンテンビューにあるNASAのエイムズ研究センターを訪問したときに、NASAのエンジニアはカルマンの方法がアポロ計画の非線形軌道推定問題を解決できることを知りました。ただし、1960年代のコンピューターでカルマンフィルターアルゴリズムを実行することはできませんでした。技術メモ（NASAアーカイブから、以下を参照）は、次のようなリアルタイムアプリケーションに適したメモリ制約のあるコンピューティングシステムに「数値的に正確なカルマンフィルターを実装した1960年代および1970年代の研究成果を示しています。 、航空機または宇宙船の機内航行用。」
カルマンフィルターの3面共分散係数（NASAアーカイブ）
50年前のカルマンフィルターのもう1つの大きな問題は、8ビット制約によって引き起こされる丸め誤差による計算の安定性の欠如でした。この問題を解決するために、多くの複雑なソリューションが開発されています。
エンジニアリングチームの努力は続き、最終的には持続性が報われました。
«» 2 , . «» . NASA . , . .
— , «».
少なからず、そのようなエンジニアリングの偉業は、月の任務を成功に導きました。 50年後、カルマンのフィルタリングアルゴリズムは、ロボット工学、ドローン、VRゲームなど、多くの分野で地球上で使用されています。東京大学の研究者は、2014年にカルマンフィルターを使用して、ルンバを人の検出と回避に成功させました。米国連邦準備制度はカルマンフィルターを使用して長期中立金利を決定し、金融政策を管理しました。
Googleの自動運転車の作成者であるセバスチャントルーンは、カルマンフィルターを使用してオブジェクトをリアルタイムで追跡し、自動運転車を作成するトピックについて教えています。 Autoware は今月セットのリリースを発表しましたカルマンフィルターを含むオープンソースアルゴリズム、およびこのセットは、実世界での無人車両のリファレンス実装の開発に焦点を当てています。
それらの数十年にわたって、多くの技術が一緒に進化し、それらの組み合わせが自動運転を可能にし、社会にとって有用で価値あるものにするような開発の段階に達しました。ただし、プロトタイピングから商用実装に移行するために、企業はコンポーネント間の相互運用性（ハードウェアとアルゴリズム）の標準化と確保に努めます。コンポーネントの相互作用は競争を促進し、競争は品質の向上とコストの削減に役立ち、無人の未来を近づけ、無人車両の分野の研究開発に費やされた数十億ドルを正当化します。
リンク集
:
@TeslaHackers — Tesla-, Tesla
@AutomotiveRu — ,
: