🧭 Fusion hybride et robustesse : vers une estimation d’état plus intelligente

Comment combiner la rigueur des modèles physiques et la souplesse des approches neuronales ?
C’est la question que pose une étude récente de Mafi et al. (2025), avec un filtre baptisé CMMKF — Consensus Multi-Model Kalman Filter.

💡 L’idée : faire collaborer plusieurs modèles (physiques, neuronaux, statistiques) qui s’ajustent entre eux par consensus.
Résultat : une estimation plus stable, même quand les capteurs GNSS ou IMU sont perturbés (neige, virages serrés, ou signal GPS faible).

🎯 Ce type d’approche ouvre la voie à des systèmes plus explicables et robustes — un enjeu majeur pour la fusion de données dans la mobilité.

📍 Application directe pour RS3 et Telemachus

• RS3 pourrait évaluer la cohérence entre modèles via un score d’incertitude partagé.
• Telemachus, de son côté, pourrait introduire la notion d’incertitude multi-modèles dans ses futures extensions (fusion_state).

#RS3 #Telemachus #KalmanFilter #HybridModeling #MobilityData #ResearchReview #DataFusion

💬 Premier commentaire (à publier séparément sur LinkedIn)
🔗 Billet complet sur le blog :
👉 https://research.roadsimulator3.fr/blogs/b004/