Legged Robot State Estimation within Non-inertial Environments

要約

この論文では、非慣性環境内でのロボット状態推定問題を調査します。
提案された状態推定アプローチは、システム モデリングにおける静的地面の一般的な仮定を緩和します。
プロセスおよび測定モデルは、慣性系での動きの知識を必要としたり、GPS や環境ランドマークの感知に依存したりすることなく、非慣性環境の動きを明示的に扱います。
さらに、提案された状態推定器は、グループ アフィン特性に従うプロセス モデルの決定論的部分を備えた不変拡張カルマン フィルター (InEKF) として定式化され、対数線形誤差ダイナミクスが得られます。
フィルターの可観測性分析により、非慣性環境に対するロボットの姿勢 (つまり、位置と方向) と速度が観測可能であることが確認されます。
回転および平行移動するトレッドミル上で移動する人型ロボットのハードウェア実験では、トレッドミルのピッチの大きな揺れや大きな推定誤差の下でも、提案された InEKF の高い収束率と精度が実証されました。

要約(オリジナル)

This paper investigates the robot state estimation problem within a non-inertial environment. The proposed state estimation approach relaxes the common assumption of static ground in the system modeling. The process and measurement models explicitly treat the movement of the non-inertial environments without requiring knowledge of its motion in the inertial frame or relying on GPS or sensing environmental landmarks. Further, the proposed state estimator is formulated as an invariant extended Kalman filter (InEKF) with the deterministic part of its process model obeying the group-affine property, leading to log-linear error dynamics. The observability analysis of the filter confirms that the robot’s pose (i.e., position and orientation) and velocity relative to the non-inertial environment are observable. Hardware experiments on a humanoid robot moving on a rotating and translating treadmill demonstrate the high convergence rate and accuracy of the proposed InEKF even under significant treadmill pitch sway, as well as large estimation errors.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google