MCA truyền thống sử dụng bộ lọc nhân quả (causal filters) để xử lý tín hiệu gia tốc và vận tốc góc, chia thành thành phần tần số cao (dịch chuyển) và tần số thấp (nghiêng).

• ACA sử dụng dữ liệu tương lai đã biết để thực hiện lọc ngược thời gian, tạo ra phản hồi có tính chuẩn bị trước khi xảy ra thay đổi đột ngột.
• - Tác giả xây dựng mô hình rời rạc cho các bộ lọc HPF và LPF bằng biến đổi bilinear, giúp dễ dàng triển khai thực tế.
• - ACA chỉ sử dụng được với bộ lọc tuyến tính, không áp dụng cho bộ lọc phi tuyến.
• - Thử nghiệm trên nền tảng SP-7 với hai kịch bản: sóng vuông và bước nhảy gia tốc, cho thấy ACA phản hồi nhanh hơn và chuẩn bị tốt hơn cho các thay đổi.
• - Đánh giá sơ bộ với hai phi công cho thấy ACA cải thiện cảm nhận chuyển động ở đầu kịch bản, nhưng giảm hiệu quả ở cuối do thiếu dữ liệu tương lai.
• - ACA có thể kết hợp với phương pháp dự đoán như MPC để áp dụng trong thời gian thực.
• - Tác giả cung cấp các phương trình rời rạc để triển khai MCA và ACA, bao gồm cả tích phân và chuyển đổi khung tọa độ.