Motivados por el rápido progreso de la ingeniería aeroespacial y de robótica, los sistemas de navegación y control en grupos de Lie matriciales han sido estudiados activamente en los últimos años. Para objetivos rígidos, el problema de estimación de actitud es un referente, con sus estados definidos como matrices de rotación en grupos de Lie. Basado en las propiedades de invariancia de los grupos de simetría, se ha desarrollado un filtro de Kalman invariante (IKF) por investigadores para sistemas de grupos de Lie matriciales; sin embargo, la limitación del IKF es que su rendimiento de estimación tiende a degradarse si el conocimiento dado de las estadísticas de ruido no es preciso. Para el problema de estimación de actitud en el grupo de Lie de simetría, este artículo propone un nuevo filtro de Kalman invariante adaptativo basado en iteraciones bayesianas variacionales (VBIKF). En el VBIKF propuesto, la covarianza del error a priori no se propaga por los pasos convencionales, sino que se calibra directamente de manera iterativa basada en las secuencias posteriores. La principal ventaja del VBIKF es que ya no se requiere el parámetro estadístico del ruido del proceso del sistema, por lo que se puede reducir significativamente la fuerte dependencia del IKF en estadísticas precisas del ruido del proceso. Se presenta la base matemática para el nuevo VBIKF y su rendimiento superior en adaptabilidad y simplicidad se demuestra además mediante simulaciones numéricas.