Probabilistic Differentiable Filters Enable Ubiquitous Robot Control with Smartwatches

要約

スマート デバイスを使用したユビキタス ロボット制御および人間とロボットのコラボレーションは、主に厳格な精度要件と情報の少なさにより、困難な問題を引き起こします。
この論文では、確率微分可能フィルター、特に微分可能アンサンブル カルマン フィルター (DEnKF) を組み込んで、スマートウォッチとスマートフォンからの慣性測定ユニット (IMU) の観測のみを使用してロボット制御を容易にする新しいアプローチを紹介します。
実装されたシステムは、関節頂点あたりの平均誤差 (MPJVE) を使用して、ベースラインと比較して 30.2% の削減で人間の姿勢状態の正確な推定を達成します。
私たちの結果は、スマートウォッチとスマートフォンを費用対効果の高い代替の人間の姿勢状態推定として促進します。
さらに、人間とロボットのハンドオーバータスクの実験結果は、スマートデバイスが低コストで多用途かつユビキタスなロボット制御を可能にすることを強調しています。

要約(オリジナル)

Ubiquitous robot control and human-robot collaboration using smart devices poses a challenging problem primarily due to strict accuracy requirements and sparse information. This paper presents a novel approach that incorporates a probabilistic differentiable filter, specifically the Differentiable Ensemble Kalman Filter (DEnKF), to facilitate robot control solely using Inertial Measurement Units (IMUs) observations from a smartwatch and a smartphone. The implemented system achieves accurate estimation of human pose state with a reduction of 30.2% compared to the baseline using the Mean Per Joint Vertex Error (MPJVE). Our results foster smartwatches and smartphones as a cost-effective alternative human-pose state estimation. Furthermore, experiment results from human-robot handover tasks underscore that smart devices allow for low-cost, versatile and ubiquitous robot control.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google