Online Estimation of Self-Body Deflection With Various Sensor Data Based on Directional Statistics

要約

本稿では、オンラインでロボットの姿勢を推定する手法を提案する。
私たちの手法では、方向統計に使用される関節角度と 3D 方向の確率分布として、ミーゼス分布とビンガム分布を使用します。
これらの分布を用いてパーティクルフィルタを構築し、関節エンコーダやIMUセンサ、カメラなどの各種センサ情報からロボットの姿勢を推定するシステムを構築した。
さらに、接空間近似とは異なり、これらの分布はグローバルな特徴を処理し、センサー特性を観測ノイズとして表すことができます。
応用として、6 軸 IMU センサーのヨー ドリフトを確率的に表現して、姿勢推定への悪影響を防ぐことができることを示します。
推定には剛体モデルの関節角度を補正することで実際のロボットの姿勢を再現できると仮定した近似モデルを使用しました。
実験パートでは、近似モデルで生成された関節角度が、同じモデルのリンク姿勢を用いて推定できることを検証し、推定器の有効性を検証しました。
その後、実際のロボットに推定器を適用し、グリッパ位置を推定できることを確認し、今回の状況における近似モデルの妥当性を検証しました。

要約(オリジナル)

In this paper, we propose a method for online estimation of the robot’s posture. Our method uses von Mises and Bingham distributions as probability distributions of joint angles and 3D orientation, which are used in directional statistics. We constructed a particle filter using these distributions and configured a system to estimate the robot’s posture from various sensor information (e.g., joint encoders, IMU sensors, and cameras). Furthermore, unlike tangent space approximations, these distributions can handle global features and represent sensor characteristics as observation noises. As an application, we show that the yaw drift of a 6-axis IMU sensor can be represented probabilistically to prevent adverse effects on attitude estimation. For the estimation, we used an approximate model that assumes the actual robot posture can be reproduced by correcting the joint angles of a rigid body model. In the experiment part, we tested the estimator’s effectiveness by examining that the joint angles generated with the approximate model can be estimated using the link pose of the same model. We then applied the estimator to the actual robot and confirmed that the gripper position could be estimated, thereby verifying the validity of the approximate model in our situation.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google