无迹卡尔曼滤波器（UKF）在WMR机器人轨迹控制中应用，同时抑制打滑、侧滑。

参考论文：

1.Nemoto T, Mohan R E. Trajectory and slip inference on a cleaning mobile robot using simultaneous parameter and state estimation method[J]. Journal of Advanced Simulation in Science and Engineering, 2019, 6(1): 157-176.

方法总结：卡尔曼滤波器需要依靠系统的状态方程和观测方程，控制系统计算量相对较小，相比滑模控制简单，适合环境相对简单的场景，较为适合仿真环境。

本文并没有对模型推导进行过多推导，文中会用到UKF和龙格库塔法是固定算法，需另行学习，在实际系统中需要根据环境进行一些调整。此外，摩擦模型是状态观测的关键，本文不展开介绍。

=======================================================

离散化后得到

采用RKF45(龙格库塔法)求解离散结果。

然后采用UKF算法进行求解。