Kinematic Base State Estimation for Humanoid using Invariant Extended Kalman Filter

要約

この論文では、Surena V ヒューマノイド ロボットの運動学的ベースの状態を推定するための右不変拡張カルマン フィルター (RIEKF) の設計と実装について説明します。
ロボットの状態表現はリー群 $SE_4(3)$ 上で定義され、ベースの位置、速度、向き、および左右の足の位置が含まれます。
さらに、フィルター内の連結状態として IMU バイアスを組み込みました。
RIEKF の予測ステップでは IMU 方程式が利用され、更新ステップでは順運動学が組み込まれています。
RIEKF の性能を評価するために、Choreonoid ダイナミック シミュレーション フレームワークを使用して実験を実施し、クォータニオンベースの拡張カルマン フィルター (QEKF) と比較しました。
解析の結果、RIEKF は QEKF と比較して定位のドリフトが減少し、より短い時間で推定の収束が達成されることが実証されました。
これらの発見は、ヒューマノイドロボット工学における運動学的基盤の正確な状態推定に対する提案された RIEKF の有効性を強調しています。

要約(オリジナル)

This paper presents the design and implementation of a Right Invariant Extended Kalman Filter (RIEKF) for estimating the states of the kinematic base of the Surena V humanoid robot. The state representation of the robot is defined on the Lie group $SE_4(3)$, encompassing the position, velocity, and orientation of the base, as well as the position of the left and right feet. In addition, we incorporated IMU biases as concatenated states within the filter. The prediction step of the RIEKF utilizes IMU equations, while the update step incorporates forward kinematics. To evaluate the performance of the RIEKF, we conducted experiments using the Choreonoid dynamic simulation framework and compared it against a Quaternion-based Extended Kalman Filter (QEKF). The results of the analysis demonstrate that the RIEKF exhibits reduced drift in localization and achieves estimation convergence in a shorter time compared to the QEKF. These findings highlight the effectiveness of the proposed RIEKF for accurate state estimation of the kinematic base in humanoid robotics.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google