El nivel de error de los parámetros del sensor inercial determina la precisión de navegación de un sistema de navegación inercial. Para muchas aplicaciones, como los drones, los errores en los giroscopios y acelerómetros horizontales pueden afectar significativamente los resultados de navegación. A diferencia de la mayoría de los métodos de estimación de filtros, proponemos de manera innovadora el uso de algoritmos evolutivos, como el método mejorado de optimización inspirado en palomas (PIO), para identificar errores de sensores a través de datos de navegación. En este método, primero se recopilan los datos de navegación; luego, se utiliza el método mejorado de optimización de palomas mensajeras para encontrar los valores óptimos de los parámetros de error del giroscopio y acelerómetro horizontales, con el fin de minimizar el error del resultado de navegación calculado a partir de los datos de navegación. Al mismo tiempo, proponemos un nuevo método mejorado para la optimización inspirada en palomas con mutación adaptativa de vectores de dimensión (DVPIO, por sus siglas en inglés) que puede evitar óptimos locales en las etapas posteriores de la iteración. En el método DVPIO, se seleccionan 2n partículas con mala aptitud para la siguiente variación, con 2n vectores de dimensión cuando se juzga que la posición es prematura, donde n representa el número de parámetros a identificar; un vector de dimensión solo representa el cambio positivo o negativo de un parámetro, cuyo monto de cambio d puede ajustarse de manera adaptativa. El método DVPIO tiene mejor estabilidad, mayor velocidad de convergencia y mayor precisión. Este trabajo tiene el potencial de reducir la necesidad de desensamblar y ensamblar el INS y devolverlo al fabricante para calibración.