파티클 필터란 시스템의 상태 확률 분포를 유한 개의 가중 샘플(파티클)로 근사하고, 예측-갱신-리샘플링 단계를 반복하여 비선형·비가우시안 환경에서도 상태를 추정할 수 있는 베이즈 필터의 한 구현 방법이다. 칼만 필터가 선형 시스템과 가우시안 노이즈라는 강한 가정을 전제하는 것과 달리, 파티클 필터는 분포 형태에 제약이 없어 복잡한 실세계 환경에 적용하기 쉽다. 자율주행 로봇의 지도 기반 위치 추정(MCL, Monte Carlo Localization)에 대표적으로 쓰이며, 수백~수천 개의 파티클을 지도 위에 분산시킨 뒤 LiDAR 등 센서 관측값과 일치하는 파티클에 높은 가중치를 부여하고 리샘플링을 반복해 로봇의 위치를 점차 수렴시킨다. 파티클 수가 늘어날수록 추정 정확도는 올라가지만 계산 부담도 함께 증가하므로, 실시간 응용에서는 두 요소 사이의 균형을 고려해야 한다.