状态估计（State Estimation）是智能系统通过传感器观测数据推演出系统内部状态的过程，如同人类通过感官信息构建对环境的理解。在具身智能领域，它特指机器人或智能体融合多源传感器信息（如视觉、激光雷达、惯性测量单元等），实时计算自身位姿、速度及环境特征等关键状态量的技术。其核心在于处理传感器噪声与不确定性，通过概率模型（如卡尔曼滤波、粒子滤波）或优化方法（如基于图优化的SLAM）实现动态系统的最优状态推断。
在产品落地层面，状态估计技术支撑着自动驾驶车辆的定位、服务机器人的自主导航、AR/VR设备的空间追踪等场景。例如扫地机器人通过融合轮式编码器与激光雷达数据，能在遮挡情况下仍保持精准的位姿估计；而工业机械臂则依赖关节角度传感器与力觉反馈，实现毫米级的末端状态追踪。当前研究热点包括基于深度学习的端到端状态估计、多模态传感器融合的鲁棒性提升等，这些进展正推动着具身智能产品在复杂环境中的实用化进程。