Unverified50% confidenceFactExact time
卡尔曼滤波通过建立系统状态空间模型，将预测值与测量值按各自噪声协方差加权融合，是处理IMU漂移问题的经典方案
1
Sources
50%
Confidence
Long-term
Relevance
7/16/2026
First Seen
Sources
Related Claims
Unverified卡尔曼滤波是一种递归贝叶斯估计算法，能够在含噪声的传感器数据中实时估计系统状态78% similarUnverified标准卡尔曼滤波假设系统状态转移与观测噪声服从高斯分布且系统动力学为线性，在目标加速转弯或被部分遮挡时会导致预测偏差75% similarVerified扩散模型是一类基于马尔可夫链的生成模型，核心思想是通过前向加噪和反向去噪来捕捉数据分布71% similarUnverified扩散模型通过模拟从噪声到结构的去噪过程能有效采样配体的多种低能构象，DiffDock采用此核心技术路线70% similarUnverified智能重绘（img2img）的核心原理是将原图加入一定程度的噪声后，再由扩散模型逐步去噪还原，而非从纯噪声开始生成70% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/530847API
curl https://kongchang.com/api/v1/knowledge/claims/530847MCP
get_claim(id=530847)