Este estudio se centra en abordar el problema de las mediciones retrasadas y las distribuciones gaussianas contaminadas en los sistemas de navegación, que tienen un efecto perjudicial tremendo en el rendimiento del filtrado de Kalman tradicional. Proponemos un filtro robusto, no lineal, de múltiples pasos y retrasos aleatorios, denominado filtro de Kalman de cubatura de escalado dinámico de covarianza de múltiples pasos y retrasos aleatorios (MRD-DCSCKF). Primero, se adoptan variables aleatorias de Bernoulli para describir el sistema de medición en presencia de retrasos aleatorios de múltiples pasos. Luego, el MRD-DCSCKF utiliza el marco del filtro de múltiples pasos y retrasos aleatorios, basado en un enfoque de aumento de estado, para abordar el problema de las mediciones retrasadas. Mientras tanto, depende de un núcleo robusto de escalado dinámico de covarianza (DCS) para rechazar los valores atípicos en las mediciones. En consecuencia, el filtro propuesto puede abordar simultáneamente el problema de las mediciones retrasadas y heredar la virtud de robustez de la función de núcleo DCS. El MRD-DCSCKF se ha aplicado a simulaciones de navegación relativa de naves espaciales basadas en visión, donde se adoptan cuaterniones para representar la cinemática de actitud de la nave espacial, y la actualización de actitud se completa con cuaterniones y parámetros de Rodrigues generalizados. Las simulaciones de Monte Carlo han ilustrado que el MRD-DCSCKF es superior a otros algoritmos bien conocidos al proporcionar estimaciones de posición y actitud de alta precisión en un entorno con diferentes probabilidades de retraso y/o diferentes probabilidades de contaminación por valores atípicos. Por lo tanto, el filtro propuesto es robusto frente a mediciones retrasadas y puede suprimir valores atípicos.