Anda melakukan interpolasi untuk menemukan status di antara nilai yang diketahui, dan Anda memperkirakan untuk menemukan kondisi di masa mendatang.
Pikirkan masalah dalam hal variabel keadaan, seperti posisi dan kecepatan. Dalam semua skenario terbaik, setiap komputer yang perlu bekerja dengan state memiliki akses ke data state untuk waktu yang mereka inginkan. Sebagai contoh, algoritma tabrakan untuk melihat apakah laser-rifle shot kepala pemain intereset A, yang terbaik dari semua kasus adalah ketika algoritma mengetahui posisi pasti dari setiap objek pada saat laser ditembakkan.
Di dunia nyata, kita tidak selalu seberuntung itu. Terkadang informasi kebenaran yang kami terima lebih jarang. Misalnya, jika pemain A adalah pemain jarak jauh di komputer lain, Anda mungkin tidak tahu persis ke mana mereka pergi ketika Anda menembakkan laser dan perlu menghitung tembakan. Dalam hal ini, Anda perlu membuat penduga untuk posisi A, biasanya dengan interpolasi atau ekstrapolasi.
Perbedaan antara keduanya adalah apakah Anda memiliki data yang terikat di kedua sisi, atau hanya satu sisi. Katakanlah Player A telah mengumumkan posisi kebenarannya untuk t = 0 dan t = 1. Pemain B menembakkan laser pada t = 0,5. Dalam banyak situasi, pengumuman pemain A tentang posisi mereka di t = 1 dapat terjadi sebelum pemain B menarik pelatuknya. Mengapa? Dalam banyak permainan, responsif dari kontrol kurang instan sempurna. Dalam simulasi balap, banyak posisi pemain dibatasi oleh fisika kendaraan yang bergerak. Anda dapat memilih untuk mengumumkan "posisi masa depan" karena Anda tahu Anda benar-benar tidak dapat mengarahkan semua itu dalam waktu singkat. Jika Anda memiliki informasi di masa mendatang, Anda dapat menginterpolasi antara kedua nilai tersebut.
Bagaimana jika Anda tidak cukup beruntung untuk memiliki nilai = 1? Bagaimana jika Pemain A tidak dalam posisi untuk mengumumkan lokasi mereka di masa depan, dan Anda buntu memutuskan apakah Anda mengenai atau melewatkan hanya dengan informasi dari t = 0? Dalam hal ini Anda harus memperkirakan. Dalam ekstrapolasi, Anda menggunakan apa yang Anda ketahui tentang gerakan untuk melampaui semua data yang Anda miliki. Anda mungkin tahu bahwa Player A memiliki kecepatan tertentu, jadi anggaplah bahwa jika Anda mengalikannya dengan waktu, Anda bisa mendapatkan posisi di setiap waktu.
Perbedaannya terletak pada perilaku. Interpolasi mengharuskan Anda untuk memiliki batas atas dan bawah, yang tidak selalu Anda miliki. Namun, dalam hampir semua situasi ini memiliki hasil yang jauh lebih baik daripada ekstrapolasi. Ekstrapolasi dapat dengan mudah menyebabkan gerakan yang tidak realistis. Pertimbangkan kasus pemain yang menghindar ke kiri dan kanan untuk menghindari tembakan saat maju. Pada titik tertentu, kecepatan mereka sepanjang diagonal, jadi jika Anda memperkirakan, pemain mungkin tampak lari ke samping ketika, pada kenyataannya, mereka tidak pernah melakukannya. Jika Anda hanya melakukan interpolasi, nilainya cenderung tidak menyimpang dari nilai realistis.
Interpolasi dan ekstrapolasi adalah dua ekstrem di dunia penyaringan. Ada banyak banyak banyak banyak banyak filter di luar sana untuk menangani data seperti ini yang mencampur dan mencocokkan properti antara interpolasi dan ekstrapolasi. Dengan demikian, jangan heran jika Anda melihat algoritma yang tidak jelas interpolasi atau ekstrapolasi. Keduanya hanyalah ujung dari es.