Como Rocketmagnet mencionó, su error crecerá con el tiempo. El modelo de error típicamente utilizado en la navegación inercial es un crecimiento exponencial.
Para minimizar esto, debe proporcionar actualizaciones externas. El mecanismo típicamente empleado es un filtro Kalman. Los sensores inerciales proporcionan muy buenas actualizaciones de alta velocidad. Su fuente externa proporciona actualizaciones menos precisas pero estables a largo plazo a una velocidad menor (generalmente algo así como GPS). Estos dos se combinan para darle una buena solución combinada. No todos los sistemas usan GPS como fuente de actualización. Por ejemplo, el generador de imágenes IR en la parte frontal del control remoto de Nintendo Wii proporciona la fuente de estas actualizaciones.
Te daré un ejemplo del costo no es un factor secundario. Construyo sistemas para topografía aérea que utilizan sistemas inerciales que cuestan más de 100,000 euros. Con estos sistemas y receptores GPS geodésicos de alta gama, puedo determinar la ubicación de la IMU a un volumen de 2 "durante todo el día cuando la cobertura del GPS es buena. En ausencia de actualizaciones de GPS (cañones urbanos, túneles, etc.) después de aproximadamente 60 segundos tenemos un margen de error de aproximadamente 10 cm. Los sistemas con este nivel de rendimiento son típicamente productos controlados por ITAR, ya que son dispositivos de grado de armas.
Los sistemas inerciales MEMS de menor calidad se utilizan durante todo el día en aplicaciones menos exigentes, lo que produce una posición y una actitud de nivel del submedidor del medidor. Estos sistemas de baja calidad aún emplean el mismo mecanismo de filtrado Kalman. La verdadera desventaja de estas unidades de menor costo es que su error de deriva crecerá a un ritmo mucho más rápido.
Editar:
Para responder a su pregunta sobre lo que es importante buscar en una IMU. Hay un par de cosas que quieres ver. El primero es la estabilidad de la temperatura. Algunos sensores MEMS tendrán salidas que varían hasta en un 10% sobre el rango de temperatura. Esto puede no importar si está a una temperatura constante durante la operación.
Lo siguiente a considerar es la densidad espectral del ruido giroscópico. Obviamente, cuanto menor sea la cantidad de ruido, mejor. El siguiente enlace proporciona documentación sobre cómo pasar de la densidad de ruido espectral a la deriva (en grados por unidad de tiempo). http://www.xbow.com/pdf/AngleRandomWalkAppNote.pdf
Para la aceleración, debe considerar la sensibilidad y el sesgo además del ruido. El nivel de ruido le dará una idea de qué tan rápido va a integrar el error.