无迹卡尔曼滤波器（Unscented Kalman Filter, UKF）是一种用于非线性系统状态估计的先进算法，它克服了传统卡尔曼滤波器在处理非线性问题时线性化误差的缺陷。UKF采用确定性采样策略，通过精心选取的「sigma点」来捕获状态分布的一阶和二阶统计特性，从而避免了对非线性函数进行泰勒展开的近似处理。这种方法在保持计算效率的同时，显著提高了非线性系统状态估计的精度，特别适用于机器人导航、自动驾驶和航空航天等对实时性要求较高的领域。
在具身智能产品开发中，UKF常被用于多传感器融合的场景。例如在服务机器人定位系统中，UKF可以优雅地融合IMU、轮式编码器和视觉里程计的数据，即使传感器模型存在显著非线性，仍能实现稳定可靠的状态估计。相比于扩展卡尔曼滤波器（EKF），UKF不需要计算复杂的雅可比矩阵，且对初值误差具有更好的鲁棒性，这使得它成为工业界实践中的优选方案。近年来，随着边缘计算能力的提升，UKF在智能穿戴设备和无人机等消费级产品中也得到了广泛应用。