Physically Consistent Online Inertial Adaptation for Humanoid Loco-manipulation

要約

時間とともに変化する重大な外部負荷の存在下で操作および移動タスクを達成する能力は、人間の驚くべきスキルですが、人型ロボットではまだ説得力を持って再現されていません。
このような能力は、私たちがロボットの配備を想定している、鈍く、汚く、危険な環境では重要な要件となります。
外部負荷は大きなモデル バイアスを構成しますが、通常は考慮されません。
この作業では、外部負荷による重大なモデルのバイアスが存在する場合でも、ヒューマノイド ロボットが移動操作タスクに従事できるようにします。
我々は、慣性パラメータ推定用の物理的に一貫した拡張カルマンフィルタと全身コントローラの組み合わせを含むオンライン推定および制御フレームワークを提案します。
シミュレーションとハードウェアの両方で結果を紹介します。ロボットに大きな外部負荷がかかるタスクに従事するための代理として、ナディアの手首のリンクにウェイトが取り付けられています。

要約(オリジナル)

The ability to accomplish manipulation and locomotion tasks in the presence of significant time-varying external loads is a remarkable skill of humans that has yet to be replicated convincingly by humanoid robots. Such an ability will be a key requirement in the environments we envision deploying our robots: dull, dirty, and dangerous. External loads constitute a large model bias, which is typically unaccounted for. In this work, we enable our humanoid robot to engage in loco-manipulation tasks in the presence of significant model bias due to external loads. We propose an online estimation and control framework involving the combination of a physically consistent extended Kalman filter for inertial parameter estimation coupled to a whole-body controller. We showcase our results both in simulation and in hardware, where weights are mounted on Nadia’s wrist links as a proxy for engaging in tasks where large external loads are applied to the robot.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google