आप ज्ञात मूल्यों के बीच राज्यों को खोजने के लिए प्रक्षेपित करते हैं, और आप भविष्य के राज्यों को खोजने के लिए एक्सट्रपलेशन करते हैं।
पदों और वेग जैसे राज्य चर के संदर्भ में समस्या के बारे में सोचो। सभी परिदृश्यों के सर्वश्रेष्ठ में, प्रत्येक कंप्यूटर जिसे राज्य के साथ काम करने की आवश्यकता होती है, उसके पास उस समय के लिए राज्य डेटा तक पहुंच होती है जिस पर वे काम करना चाहते हैं। उदाहरण के लिए, एक टक्कर एल्गोरिथ्म यह देखने के लिए कि क्या लेजर-राइफल ने एक्स इंटरसैट खिलाड़ी ए के सिर को गोली मार दी है, सभी मामलों में सबसे अच्छा है जब एल्गोरिथ्म लेजर को निकाल दिया गया था उस समय हर वस्तु की सटीक स्थिति जानता है।
वास्तविक दुनिया में, हम हमेशा इतने भाग्यशाली नहीं होते हैं। कभी-कभी हमें मिलने वाली सत्य जानकारी अधिक विरल होती है। उदाहरण के लिए, यदि खिलाड़ी A दूसरे कंप्यूटर पर एक दूरस्थ खिलाड़ी है, तो आप शायद नहीं जानते कि वे कहां जा रहे हैं जब आप लेजर को फायर करते हैं और शॉट की गणना करने की आवश्यकता होती है। इस स्थिति में, आपको ए की स्थिति के लिए एक अनुमानक बनाने की जरूरत है, आमतौर पर प्रक्षेप या एक्सट्रपलेशन के साथ।
दोनों के बीच का अंतर यह है कि क्या आपके पास डेटा है जो दोनों तरफ से घिरा है, या केवल एक तरफ है। बता दें कि प्लेयर ए पहले ही टी = 0 और टी = 1 के लिए अपनी सत्य स्थिति की घोषणा कर चुका है। खिलाड़ी B ने t = 0.5 पर एक लेज़र शूट किया। कई स्थितियों में प्लेयर ए द्वारा टी = 1 पर अपनी स्थिति की घोषणा प्लेयर बी द्वारा ट्रिगर को खींचने से पहले हो सकती है। क्यों? कई खेलों में, नियंत्रण की जवाबदेही पूरी तरह से तात्कालिक की तुलना में कम है। एक रेसिंग सिमुलेशन में, खिलाड़ी की अधिकांश स्थिति एक चलती वाहन की भौतिकी से बंधी होती है। आप "भविष्य की स्थिति" की घोषणा करने का विकल्प चुन सकते हैं क्योंकि आप जानते हैं कि आप वास्तव में कम अवधि में इतना सब नहीं कर सकते हैं। यदि आपके पास भविष्य में जानकारी है, तो आप दो मूल्यों के बीच अंतर कर सकते हैं।
क्या होगा यदि आप = 1 मूल्य पर पर्याप्त भाग्यशाली नहीं हैं? क्या होगा यदि प्लेयर A अपने भविष्य के स्थान की घोषणा करने की स्थिति में नहीं था, और आप तय कर रहे हैं कि क्या आपने टी = 0 से केवल सूचना के साथ मारा या चूक किया है? इस मामले में आपको एक्सट्रपलेशन करना होगा। एक्सट्रपलेशन में, आप गति के बारे में जो कुछ भी जानते हैं उसका उपयोग करते हैं जो आपके पास किसी भी डेटा से परे है। आप जान सकते हैं कि प्लेयर ए का एक निश्चित वेग है, इसलिए मान लें कि यदि आप समय के साथ गुणा करते हैं, तो आप हर समय एक स्थान प्राप्त कर सकते हैं।
अंतर व्यवहारों में है। इंटरपोलेशन के लिए आपको एक ऊपरी और निचला बाउंड होना आवश्यक है, जो आपके पास हमेशा नहीं होता है। हालांकि, लगभग सभी स्थितियों में एक्सट्रपलेशन की तुलना में इसके बेहतर परिणाम हैं। निष्कासन आसानी से अवास्तविक आंदोलनों को जन्म दे सकता है। एक खिलाड़ी के मामले पर विचार करें जो आगे बढ़ने के दौरान शॉट से बचने के लिए बाएं और दाएं साइडस्टेपिंग कर रहा है। किसी भी बिंदु पर, उनका वेग एक विकर्ण के साथ होता है, इसलिए यदि आप अतिरिक्त करते हैं, तो खिलाड़ी पक्ष की ओर भागते दिखाई दे सकते हैं, वास्तव में, वे कभी नहीं करते हैं। यदि आप केवल प्रक्षेप करते हैं, तो मान यथार्थवादी मूल्यों से बाहर नहीं भटका करते हैं।
फ़िल्टरिंग की दुनिया में इंटरपोल और एक्सट्रपलेशन दो चरम सीमाएं हैं। इस तरह के डेटा को संभालने के लिए कई सारे कई फिल्टर हैं जो इंटरपोल और एक्सट्रपलेशन के बीच गुणों को मिलाते हैं। तदनुसार, यदि आप एल्गोरिदम देखें जो स्पष्ट रूप से प्रक्षेप या स्पष्ट रूप से एक्सट्रपलेशन नहीं हैं तो आश्चर्यचकित न हों। वे दो बर्फ बर्ग की नोक हैं।