무향 칼만 필터 (Unscented Kalman Filter)

한 줄 정의: 비선형 시스템의 상태를 추정하기 위해 확률분포를 대표하는 몇 개의 표본점(시그마 포인트)을 비선형 함수에 직접 통과시켜 평균과 공분산을 근사하는 칼만 필터의 확장 기법입니다.

대상의 물리량을 센서로 측정하고 신호로 기록하는 계측 개념을 나타냅니다.

쉽게 풀면

여론조사를 할 때 전 국민을 다 조사하는 대신, 대표성 있는 표본 몇 명을 뽑아 결과를 추정하는 것과 비슷합니다. 일반적인 칼만 필터는 시스템이 선형일 때 잘 동작하지만, 실제 세상의 많은 시스템은 비선형입니다. 무향 칼만 필터는 확률분포를 대표하는 몇 개의 대표점을 뽑아 그 점들을 실제 비선형 함수에 그대로 통과시킨 다음, 통과한 결과들로부터 평균과 퍼짐 정도(공분산)를 다시 계산하는 방식으로 비선형성을 다룹니다.

왜 중요한가

로봇의 위치 추정, 항법 시스템, 배터리 상태 추정 등 실제 응용의 상당수는 비선형 모델을 필요로 하므로, 이를 다룰 수 있는 상태 추정 기법이 제어 및 계측 분야에서 널리 연구됩니다. 무향 칼만 필터는 확장 칼만 필터처럼 도함수(자코비안)를 계산할 필요가 없어 구현이 비교적 간단하면서도 비선형성을 다루는 정확도가 높다는 점에서 다뤄집니다.

논문에서는 이렇게 쓰입니다

"The unscented Kalman filter is employed to estimate the nonlinear system states without requiring Jacobian computation."

자코비안 계산 없이 비선형 시스템의 상태를 추정하기 위해 무향 칼만 필터를 사용했다는 내용으로, 구현상의 장점을 설명하는 문맥입니다.

"Compared to the extended Kalman filter, the unscented Kalman filter achieves lower estimation error under strong nonlinearity."

확장 칼만 필터와 비교했을 때 강한 비선형성 조건에서 무향 칼만 필터가 더 낮은 추정 오차를 보인다는 내용입니다.

조금 더 깊게 보면

핵심은 무향변환(unscented transform)으로, 상태의 평균과 공분산으로부터 시그마 포인트라 불리는 대표점 집합을 결정론적으로 생성한 뒤, 이 점들을 비선형 함수에 통과시켜 다시 통계량을 계산합니다. 이 과정은 테일러 급수 근사 없이 비선형 함수를 직접 다루기 때문에, 일반적으로 확장 칼만 필터보다 2차 이상의 정확도를 갖는다고 알려져 있습니다.

주의할 점

시그마 포인트의 개수와 가중치를 정하는 파라미터 선택에 따라 성능이 달라질 수 있으며, 계산량이 확장 칼만 필터보다 늘어날 수 있다는 점을 함께 고려해야 합니다.