تا کنون روش های زیادی برای حل مسئل? مکان یابی و تهیه نقشه همزمان (slam) با استفاده از ربات متحرک مطرح شده است. یکی از رایج ترین این روش ها استفاده از فیلتر کالمن توسعه یافته (ekf) می باشد. برای این که ekf عملکرد بهینه داشته باشد باید ماتریس های کواریانس نویز فرآیند (q) و کواریانس نویز اندازه گیری (r) را به درستی مقداردهی کرد. در اغلب مسائل اطلاع دقیقی از این دو ماتریس در دست نیست و مقدار دهی اشتباه این ماتریس ها باعث خطای زیادی در تخمین می شود. در این پروژه روشی پیشنهاد می شود که با استفاده از یک شبکه عصبی-فازی، در هر گام فیلتر ماتریس های q و r تصحیح می شوند تا تخمین دقیق تری از وضعیت ربات و نقشه محیط داشته باشیم. نتایج شبیه سازی این الگوریتم در نرم افزار شبیه ساز kiks و همچنین پیاده سازی این الگوریتم برای حل مسئل? slam بر روی ربات kheperaii نشان می دهد که استفاده از این روش در دنیای واقعی می تواند تاثیر زیادی در عملکرد بهینه ekf داشته باشد و فیلتر دقت بهتری در تخمین پیدا کند.