UKF-Based Sensor Fusion for Joint-Torque Sensorless Humanoid Robots

要約

この論文では、関節トルク センサーを使用せずにヒューマノイド ロボットの関節トルクをオンラインで推定するための、無香料カルマン フィルターに基づく新しいセンサー フュージョンを提案します。
機能レベルでは、提案されたアプローチは、多峰性の測定（電流、加速度など）と外部接触などの直接測定できない影響を考慮しており、人間とロボットの相互作用のための制御アーキテクチャで容易に使用できる関節トルクにつながります。
提案されたセンサー フュージョンは、分散型で非配置の力/トルク センサーを統合することもできるため、基礎となるロボット センサー スーツに関して柔軟なフレームワークとなります。
このアプローチを検証するために、提案されたセンサー フュージョンをタスク空間トルク制御を目的とした 2 レベルのトルク制御アーキテクチャにどのように統合できるかを示します。
提案されたアプローチの性能は、イタリア技術研究所で現在開発中の新しい人型ロボット ergoCub での広範なテストを通じて示されています。
また、私たちの戦略を、再帰的ニュートン・オイラー アルゴリズムに基づく既存の最新のアプローチと比較します。
結果は、外部接触が存在する場合でも、私たちの方法がトルク追跡において 0.05 Nm から 2.5 Nm の範囲の低い二乗平均平方根誤差を達成することを示しています。

要約(オリジナル)

This paper proposes a novel sensor fusion based on Unscented Kalman Filtering for the online estimation of joint-torques of humanoid robots without joint-torque sensors. At the feature level, the proposed approach considers multimodal measurements (e.g. currents, accelerations, etc.) and non-directly measurable effects, such as external contacts, thus leading to joint torques readily usable in control architectures for human-robot interaction. The proposed sensor fusion can also integrate distributed, non-collocated force/torque sensors, thus being a flexible framework with respect to the underlying robot sensor suit. To validate the approach, we show how the proposed sensor fusion can be integrated into a twolevel torque control architecture aiming at task-space torquecontrol. The performances of the proposed approach are shown through extensive tests on the new humanoid robot ergoCub, currently being developed at Istituto Italiano di Tecnologia. We also compare our strategy with the existing state-of-theart approach based on the recursive Newton-Euler algorithm. Results demonstrate that our method achieves low root mean square errors in torque tracking, ranging from 0.05 Nm to 2.5 Nm, even in the presence of external contacts.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google