در سال های اخیر رویکرد جدیدی در باب افزایش تعداد واحدهای عملگر و تقسیم کار بین آنها در سیستمهای رباتیکی باز شده است. در این رویکرد، تقسیم کار بین اجزای مستقل از هم به عنوان هدف در نظر گرفته می شود. به عنوان مثال به جای ساخت یک ربات بزرگ و پیچیده برای انجام عملیات مشخصی میتوان از چند ربات ساده تر که با همکاری یکدیگر بتوانند آن عملیات را انجام دهند، استفاده کرد. همچنین رباتهای همکار یا گروهی در زمینه های مختلفی مانند عملیات جستجو و نجات، کاربرد های نظامی، حفظ و نگاهبانی از محیط می توانند کارایی داشته باشند. روشهای مختلفی برای هدایت و کنترل ربات های گروهی نظیر روش رفتار مبنا، روش راهنما-پیرو، روش ساختار مجازی و... استفاده می شود

در خودروهای مفصلی، هدف اصلی تعقیب مسیر مطلوب کشنده توسط واحد تریلر، اجتناب از چپ کردن و قیچی شدن میباشد. اما این خواسته ها، در شرایط کشندگی پایین، از قبیل جاده های یخی، برفی و شنی، برآورده نمی¬شود. بنابراین، بکارگیری سیستم¬های کنترل پایداری برای رسیدن به اهداف مورد نظر ضروری می¬باشد. از طرف دیگر، کارایی سیستم¬های کنترل پایداری خودرو تنها به الگوریتم کنترل وابسته نمی¬باشد، بلکه دقت اندازه¬گیری متغیرهای کلیدی، تأثیر قابل توجهی روی کنترل خودرو دارد. اما، موضوع هزینه، دقت و قابلیت اطمینان سنسورها، استفاده از آنها را برای خودروها محدود کرده و موجب توسعه رویکردهای مختلف برای تخمین متغیرها شده است. هدف اصلی این پژوهش ارائه یک تخمین¬گر جدید غیرخطی مبتنی بر تکنیک معادله ریکاتی وابسته به حالت (sdref) برای تخمین متغیرهای خودروی سنگین مفصلی می¬باشد. ابتدا با استفاده از فیلتر کالمن توسعه یافته(ekf) مبتنی بر خطی¬سازی حول نقطه تخمین در هر گام زمانی، متغیرها تخمین زده می-شوند. سپس با استفاده از تخمین¬گر sdref مبتنی بر پارامترسازی، متغیرهای سرعت جانبی و سرعت چرخش تخمین زده می¬شوند. در نهایت عملکرد این تخمین¬گرها با هم مقایسه می¬شود. در این پژوهش یک خودروی مفصلی سنگین 14 درجه آزادی در نظر گرفته شده است، که معادلات حرکت شامل حرکت طولی، جانبی، چرخش کشنده و نیمه¬تریلر و چرخ¬ها می¬باشد. به منظور اطمینان از اینکه مدل ما تا حد امکان رفتار خودروی واقعی را داراست، از نرم¬افزار trucksim برای صحه¬گذاری استفاده شده است.