Bài viết trình bày một phương pháp ước lượng trạng thái mới cho robot hình người, khắc phục hạn chế của Kalman filter truyền thống khi mô hình có nhiễu không phải Gaussian hoặc có trung bình khác không. Phương pháp đề xuất gồm hai vòng lặp Kalman filter: một vòng để ước lượng trạng thái và một vòng để ước lượng nhiễu mô hình. Nhiễu được ước lượng sẽ được phản hồi vào vòng lặp trạng thái để cải thiện độ chính xác. Tác giả chứng minh rằng phương pháp này có thể sử dụng mô hình đơn giản như con lắc ngược tuyến tính (LIPM) mà vẫn đạt độ chính xác cao. Các thử nghiệm được thực hiện trên mô hình robot DRC-HUBO trong môi trường mô phỏng Choreonoid, và so sánh với các phương pháp khác như EKF, PF, MHE. Kết quả cho thấy phương pháp DLKF vượt trội về độ chính xác và khả năng thực thi thời gian thực. Cuối cùng, thuật toán được triển khai trên robot thật để xác nhận tính khả thi.