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慣性測定ユニット (IMU) 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コスト効率が高く、人間の姿勢状態の正確な推定を実現します。
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。
この論文のコードは、https://github.com/ir-lab/DEnKF および https://github.com/wearable-motion-capture で入手できます。

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) from a smartwatch and a smartphone. The implemented system is cost-effective and achieves accurate estimation of the human pose state. Experiment results from human-robot handover tasks underscore that smart devices allow versatile and ubiquitous robot control. The code for this paper is available at https://github.com/ir-lab/DEnKF and https://github.com/wearable-motion-capture.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google