Araştırmacılar, insansız hava araçlarının (İHA) navigasyon sistemlerinde yaşanan konum hatası birikimini çözen NeuroKalman adlı yenilikçi bir sistem geliştirdi. Geleneksel görü-dil navigasyon modellerinde, İHA'lar adım adım ilerlerken konum tahminlerinde birikimli hatalar oluşuyor ve bu durum rotadan sapmalara neden oluyor. Yeni sistem, klasik kontrol teorisinden ilham alarak navigasyonu iki aşamaya ayırıyor: öncül tahmin ve düzeltme. Bu yaklaşım, İHA'ların karmaşık ortamlarda daha güvenilir navigasyon yapabilmesini sağlıyor ve otonom sistemlerin gelişimi için önemli bir adım teşkil ediyor.

Atmosferin üst katmanlarındaki yoğunluk değişimlerini doğru tahmin etmek, uydu yörüngelerinin belirlenmesi ve uzay durumsal farkındalığı için kritik öneme sahip. Araştırmacılar, termosferin karmaşık davranışını modellemek için fizik tabanlı yapay zeka yaklaşımı geliştirdi. SINDyc-AR adı verilen bu yöntem, geleneksel atmosfer modellerinin hesaplama maliyetini büyük ölçüde azaltırken doğruluğunu koruyor. Sistem, CHAMP, GRACE ve GOCE gibi uydulardan toplanan gerçek zamanlı yoğunluk verilerini kullanarak Kalman filtresi ile güncelleniyor. Bu gelişme, uzay çöplerinin takibi ve uydu çarpışma risklerinin hesaplanmasında devrim yaratabilir.

Araştırmacılar, motor hayal gücü tabanlı beyin-bilgisayar arayüzlerinde (MI-BCI) daha hassas kontrol sağlayan yeni bir yöntem geliştirdi. Bu teknoloji, felçli hastaların düşünceleriyle protez uzuv veya bilgisayar kontrolü sağlamasında kullanılıyor. Mevcut sistemlerin en büyük sorunu, her bireyin beyin sinyallerinin farklı olması ve bu nedenle sistemin kişiye özel ayarlanması gerektiği. Yeni yaklaşım, beyin dalgalarının farklı frekans bantlarını kişiye özel olarak seçmek için fonksiyonel bağlanırlık analizi kullanıyor. Bu sayede sistem, her kullanıcının benzersiz beyin ritimlerini daha iyi tanıyor ve motor hayal gücü sinyallerini daha doğru çözümleyebiliyor. Geliştirilen yöntem, geleneksel Filter Bank Common Spatial Pattern algoritmasını geliştirerek, önceden tanımlanmış frekans bantları yerine fizyolojik kriterlere dayalı seçim yapıyor.

Araştırmacılar, çelik üretiminde geri dönüştürülmüş malzeme kullanımını artırmak için yenilikçi yapay zeka modelleri geliştirdi. Elektrik ark ocakları ve oksijen konvertörlerinde hurda metal bileşimini hassas şekilde tahmin eden bu sistemler, ham maden ihtiyacını azaltarak çevresel etkiyi minimize ediyor. Kalman filtresi teknolojisi kullanılan modeller, mevcut üretim verilerinden yararlanarak gelecekteki çelik üretiminin element kompozisyonunu önceden kestirebiliyor. Bu gelişme, çelik endüstrisinin karbon emisyonlarını düşürmesi ve doğal kaynakları koruması açısından kritik öneme sahip.

Robotların karmaşık ve engelli ortamlarda güvenli hareket etmesi, modern robotiğin en önemli zorluklarından biri. Araştırmacılar, robotların çarpışmadan geçebileceği alanları tespit etmek için STAR-Filter adlı yeni bir sistem geliştirdi. Bu sistem, özellikle sensör verilerinin gürültülü olduğu ve engellerin yoğun bulunduğu ortamlarda robotların daha hızlı ve güvenilir hareket planları oluşturmasını sağlıyor. Geleneksel yöntemlerin aksine, yıldız şeklinde geometrik yapılar kullanarak hesaplama yükünü önemli ölçüde azaltıyor. Bu yenilik, otonom araçlardan endüstriyel robotlara kadar geniş bir uygulama alanına sahip olabilir.

Araştırmacılar, günlük yaşamda fiziksel aktivite sırasında harcanan enerjiyi daha doğru ölçmek için yeni bir yöntem geliştirdi. PM-EKF adlı bu sistem, akıllı saatlerdeki hareket sensörleri ve kalp atış hızı verilerini fizyolojik bir modelle birleştiriyor. Mevcut kalori hesaplama yöntemleri çoğunlukla veri odaklı olup, vücudun gerçek metabolik süreçlerini göz ardı ediyor. Yeni yaklaşım ise, vücut hareketlerini doğrudan metabolik gaz değişim süreçleriyle ilişkilendiren basitleştirilmiş bir fizyolojik model kullanıyor. Bu model, Extended Kalman Filter algoritması içinde çalışarak, sensör gürültüsü ve sistem belirsizliklerini etkili şekilde yönetebiliyor. Geliştirilen yöntem, geleneksel dolaylı kalorimetre cihazlarının sağladığı altın standart ölçümlere yakın sonuçlar vermeyi hedefliyor.

Araştırmacılar, farklı hızlarda veri toplayan sensörlerin bulunduğu sistemler için gelişmiş bir filtre tasarım yöntemi geliştirdi. Modern teknolojilerde GPS, kamera, radar gibi sensörler farklı frekanslarda çalışır ve bu durum veri işlemede zorluklara neden olur. Yeni yaklaşım, Linear Matrix Inequality (LMI) optimizasyonu kullanarak çok-hızlı Kalman filtrelerini tasarlıyor. Geleneksel yöntemlerin aksine, bu teknik sensörlerin periyodik davranışlarını dikkate alarak daha kararlı ve etkili sonuçlar elde ediyor. Araştırmacılar, GPS ve tekerlek sensörlerinin kullanıldığı otomotiv navigasyon sistemlerinde yöntemin başarılı olduğunu gösterdi. Bu gelişme, otonom araçlardan robotik sistemlere kadar geniş bir uygulama alanına sahip.

Araştırmacılar, karmaşık sistemlerin davranışlarını anlamak için yeni bir matematik algoritması geliştirdi. 'Ensemble Kalman-Bucy smoother' adı verilen bu yöntem, sadece geçmiş ve şimdiki verileri değil, gelecekteki gözlemleri de kullanarak daha doğru tahminler yapabiliyor. Geleneksel filtreleme yöntemlerinin aksine, bu algoritma hızla değişen sistemlerde gecikme ve önyargı problemlerini azaltıyor. Yöntem, doğrusal olmayan dinamik sistemlerde veri asimilasyonu için sürekli zaman tabanlı bir çerçeve sunuyor ve türev hesabı gerektirmeden çalışabiliyor.

Fizikçiler, Einstein'ın Genel Görelilik teorisini yeniden yorumlayan devrimci bir yaklaşım geliştirdi. Extended Relativity (Genişletilmiş Görelilik) adı verilen bu yeni framework, yerçekimi alanlarını düz uzay-zamanda tanımlayarak süperpozisyon prensibinin uygulanmasına olanak sağlıyor. Bu yaklaşım, birden fazla kütleli cismin yerçekimi etkilerinin nasıl birleştirilebileceğini gösteriyor ve Lorentz dönüşümlerini korurken klasik görelilik testlerinde aynı sonuçları veriyor. Yöntem, hareket halindeki kaynakların etkileşimlerini daha şeffaf bir şekilde analiz etme imkanı sunuyor.

Araştırmacılar, Kalman filtresi parametrelerinin tahmin edilmesinde kullanılan yerel optimizasyon algoritmalarının istatistiksel olarak tutarlı sonuçlar verdiğini matematiksel olarak kanıtladı. Çalışma, veri miktarı arttıkça optimizasyon fonksiyonunun tek modlu hale geldiğini ve yerel minimum değerlerin gerçek değerlere yakınsadığını gösteriyor. Bu bulgular, robot navigasyonundan finansal modellemelere kadar geniş kullanım alanına sahip Kalman filtrelerinin daha güvenilir bir şekilde ayarlanabilmesini sağlıyor. Araştırma aynı zamanda optimizasyon probleminin nasıl tasarlanması gerektiğine dair pratik rehberler sunuyor ve gelecekte ek parametrelerin ortak tahmininde nasıl uygulanabileceğini tartışıyor.

Araştırmacılar, doğrusal olmayan sistemlerde durum tahmini yapan ensemble Kalman filtrelerinin yaygın bir sorununu çözen yeni bir yaklaşım geliştirdi. CAR-EnKF adı verilen bu yöntem, filtrelerin aşırı güven problemiyi ele alıyor. Geleneksel ensemble Kalman filtreleri, karmaşık kovaryans hesaplamalarını basit istatistiklerle değiştirerek yüksek boyutlu sistemlerde etkili çalışır, ancak doğrusal olmayan ölçümlerde kendilerine aşırı güvenme eğilimi gösterir. Yeni framework, sadece doğrusal olmayan durumlarda devreye giren iki temel iyileştirme sunuyor: Kalman kazancının etkisini yeniden değerlendiren bir kalibrasyon mekanizması ve ölçüm doğrusalsızlığını telafi eden pozitif yarı-kesin bir kovaryans terimi. Bu yaklaşım, doğrusal durumlarda geleneksel metotlarla aynı performansı sergilerken, doğrusal olmayan sistemlerde önemli iyileştirmeler sağlıyor.