Sobre el rol de los vínculos en el filtro Kalman.

En este trabajo presentamos una exploración de varios aspectos de los filtros Kalman. La línea central del trabajo gira en torno al balance entre la información que aporta un modelo dinámico, y los víınculos que condicionan al sistema. Este trabajo, si bien es independiente, continúa la linea de trabajo de la Tesis de Licenciatura “Filtros Kalman en Sistemas con Vínculos” (Ariel Salgado, 2015). La exploración se enfoca en la posibilidad de usar modelos dinámicos que aporten la menor información posible de la evolución del sistema, contando con una condición de vínculo que acote los resultados posibles. Estudiamos estos modelos empleando inicialmente simulaciones para ganar intuición sobre lo que está ocurriendo. Luego realizamos una reconstrucción de una trayectoria real (alrededor de la rotonda del km 8 de la Av Pioneros), en la que el modelo dinámico aporta muy poca información y se puede observar con claridad el aporte de una condición de vínculo a la estimación. Por último, analizamos algunas herramientas para comparar distintos modelos de estimación, teniendo en cuenta tanto las mediciones como el poder predictivo de cada uno. El texto propone una introducción a los filtros Kalman en términos de densidades de probabilidad y propone un enfoque bayesiano para la interpretación de los distintos aspectos de filtro Kalman. El resultado final es un balance entre la información que aportan el modelo de evolución dinámica del sistema, los vínculos que lo restringen y las mediciones que tenemos. Cada uno de estos ingredientes hace su aporte para reducir nuestras incertezas, debiendo compensar uno las falencias de los otros dos. De esta forma, se esclarece cuáles son las posibilidades que aporta, y cuál es el alcance de este algoritmo de filtrad