本文解决了基于学习的单目定位中的挑战，提出了VKFPos，这一新方法通过扩展卡尔曼滤波器整合绝对姿态回归（APR）和相对姿态回归（RPR），在变分贝叶斯推断框架下。研究表明，单目定位问题的后验概率可以分解为APR和RPR组件，利用深度学习模型的协方差预测来应对不确定性，从而提升了定位精度。

改进版SAM 2（SAMURAI）由华盛顿大学全华人团队提出，利用经典卡尔曼滤波器提升视觉目标跟踪能力，有效解决快速移动和遮挡问题。该方法无需重新训练，实时运行，适用于复杂场景，如打斗游戏和舞蹈表演，展现了经典技术的有效性。

本研究提出了一种基于GRU的多目标跟踪方法，解决了传统方法在复杂环境中的非线性和噪声建模不足问题。通过可学习的卡尔曼滤波器和半监督学习策略，提升了模型性能和鲁棒性。实验结果表明，该方法在nuScenes和Argoverse2数据集上优于传统方法。

张量神经网络（TNN）用于处理非参数回归问题，通过子网络结构提高复杂未知函数的近似性。与传统的前馈网络（FFN）和径向基网络（RBN）相比，TNN在准确性和泛化能力方面表现优异。方法创新在于将统计回归和数值积分集成到TNN框架中，实现高维积分的高效计算。这一进展在精确高维数据分析和预测等领域具有广泛应用价值。

本文介绍了一种基于特征的地理定位方法，通过航空影像和车辆传感器检测到的特征关联，使用LiDAR传感器执行的检测信息量化来调整权重，并包含基于GNSS的先验估计。该方法在模糊环境中表现优于其他方法，能够减少异常值和偏差。

该研究开发了一种集成后处理方法，使用3D视觉变换器和潜在扩散模型来改进美国全联合56个州的极端降水事件的概率预报。该方法生成了含有时空一致降水轨迹的扩展生成集合，提供了改进的连续排序概率评分和布里尔技能评分。该方法展示了极端降水事件的熟练和可靠概率，并通过可解释性研究确认了其有效性。

我们提出了一种名为KFD-NeRF的新方法，将卡尔曼滤波集成到动态神经辐射场中，实现高效高质量的运动重建。通过将动态辐射场视为动态系统，结合观测和预测估计形变。使用浅层MLP进行观测，并通过局部线性建模运动。引入正则化提升网络学习能力，采用高效的三平面表示。实验表明，该方法在合成和真实数据上表现优异，渲染性能优于或媲美现有方法。

本文研究了基于卡尔曼滤波的位置估计方法在遥操作手术中的应用。通过学习机械臂系统模型，利用JIGSAW数据集和Master Tool Manipulator的输入，研究了KF在确定病人侧操纵器位置方面的有效性。结果显示，在网络不确定性情况下，KF能够实现准确的状态估计，估计准确率超过90%。

该研究基于YOLOv5开发了一种无人机检测方法，通过实际和合成数据以及卡尔曼滤波追踪器提高检测性能。该技术在无人机与鸟类对抗竞赛中获得第一名。

本文介绍了一种新颖、可靠的闭合贝叶斯更新规则，用于在线滤波中处理异常值和误设测量模型的状态空间模型。该方法将广义贝叶斯推理与滤波方法相结合，展示了鲁棒性和非线性模型的计算效率。

本文提出了一种新的过滤方法，用于处理高维度的非高斯状态空间模型、非线性且可能是混沌动力学以及空间与时间稀疏的观测。该方法使用交通测度、凸优化和概率图模型的思想，产生高维度下的坚韧的集成近似过滤分布。该方法在混沌区域的Lorenz-96模型的挑战配置下实现了最先进的跟踪性能。

DeepKalPose是一种新方法，通过使用基于深度学习的卡尔曼滤波器来增强视频中的单目车辆姿态估计。它整合了双向卡尔曼滤波策略、可学习的运动模型和表示复杂运动模式的方式，提高了车辆姿态的准确性和鲁棒性。在KITTI数据集上的实验证实了DeepKalPose的优越性。

该研究通过引入新的分布式实现的集合卡尔曼滤波器（EnKF），实现了对高维问题中大数据集的非顺序同化。新的非顺序实现优于传统的顺序实现。

本研究提出了一种实时、精确估算机器人末端执行器位置的方法，通过建模和纠正误差和模型不准确性，使用基于坐标粒子滤波的异步深度图像更新，减少计算量。作者在真实机器人平台上进行了评估，并公开了数据集和算法。

本文研究了利用系统辨识方法设计Kalman滤波器的问题，提出了一种两步法。研究发现，等价Kalman滤波器在参数精确度高或滤波器鲁棒性足够时具有次优保证。附加鲁棒约束可提高脆弱滤波器的次优保证性能。还提出了用样本复杂度度量最小观测数据数。

该研究开发了接触辅助不变扩展卡尔曼滤波器（InEKF），结合了接触惯性动力学和正向运动学校正，可估计姿态和速度以及所有当前接触点。实验表明，该滤波器在双足机器人上具有更好的性能。

该研究开发了一种接触辅助不变扩展卡尔曼滤波器（InEKF），利用Lie群和不变观测器设计技术，可估计姿态、速度和接触点。研究表明，该滤波器在Cassie双足机器人上具有更好的性能。

图学习（GL）关注从节点观测中推断出图的拓扑结构。提出了一种基于核函数的算法，用于联合聚类和学习多个图。实验证明其有效性。