正如我所观察和听到的，传感器融合行业的人们(无论是传感器供应商还是传感器不可知论者)一直在说，空气中有一些变化，并且在CES上得到了加强。核聚变的焦点正在转移。

在融合堆栈的最底部是复杂的数学关系，例如，将单个传感器读数转换为更高级别的方向信息。显然，有一段时间，要做到这一点并让所有数据实时计算是一项努力。但这样的时代似乎已经结束。事物在抽象上有所提升，但随之而来的是巨大的质变。

然而，复杂的数学或多或少提供了一个不受判断影响的“正确答案”。所有传感器融合的实现都可能对答案达成一致。

现在更大的努力不是把数学计算正确。现在的问题是:我应该听哪个传感器?例如，如果磁位传感器显示运动，但加速度计没有移动，是否应该忽略磁位数据?或者，更有害的是，如果陀螺仪显示运动，而磁图没有，那么忽略陀螺仪……但如果磁图显示运动，而陀螺仪没有，那么忽略磁图?

在接下来的一段时间里，我将详细阐述各种各样的故事，很明显，这些天的挑战似乎是比较各种输入，然后决定相信谁。这就形成了一个更高层次的概念，我在消费电子展上多次听到这个概念:背景。

背景的含义远远超出了简单的问题，例如方向。但判断哪些传感器应该承认，哪些传感器应该忽略，实际上是一个原始的上下文练习。

这就是它与以前的本质不同之处:没有正确的答案。好吧，我的意思是，我想有一个正确的答案(或者，更准确地说，我们中的任何一个人都有我们的设备，试图太聪明，猜测我们在做什么，有很多错误的答案)。但这不是一个数学问题:这是一个启发式问题。这意味着十种不同的融合算法可以用十种不同的方式来解决问题。

这实际上有利于竞争，因为可以有真正的差异化。这也意味着几种完全不同的方法可能都很有效，这抑制了这种差异。

对我来说，最重要的是，这一切都比复杂的数学更加混乱和复杂。构造一个充满启发式的算法可能很困难——如果你想让它足够灵活，以适应算法的频繁更改和改进。随着时间的推移，从长远来看，这将成为决定谁赢谁输的重要因素，对此我并不感到惊讶。

• 
• 
• 
• 
•