要約
クアッドローターベースのマルチモーダルホッピングおよび飛行移動により、純粋な飛行システムと比較して効率と動作時間が大幅に向上します。
ただし、効果的な制御には垂直状態の継続的な推定が必要です。
単一のホッピング状態推定器が示されています (Kang 2024)。この推定器では、2 つの垂直状態 (位置、加速度) が測定され、移動地平線推定と 200 Hz での視覚慣性オドメトリを使用して速度のみが推定されます。
この技術には、3.65 kg で $\sim$0.6 m の最大ホップ高を実現するために、複雑なセンサー (IMU、ライダー、深度カメラ、接触力センサー) と大量の計算を必要とする計算 (12 コア、5 GHz プロセッサ) が必要です。
ここでは、垂直方向の加速度測定のみを必要とする、学習済みカルマン フィルター ベースのホッピング垂直状態推定器 (HVSE) を示します。
結果は、HVSE がホップ頂点比 (高さ誤差/グラウンド トゥルース) の平均絶対誤差 12.5\% でより多くの状態 (位置、速度) を推定でき、$\sim$4.2 倍高速 (840 Hz) で実行できることを示しています。
実質的に性能の低いプロセッサ (デュアルコア 240 MHz) で、質量の 20\% (672 g) で $\sim$6.7 倍のホッピング高さ (4.02 m) を超えています。
提示された一般的な HVSE とトレーニング手順は、さまざまなサイズとホップの高さのジャンプ、ホップ、脚式ロボットに広く適用できます。
要約(オリジナル)
Quadrotor-based multimodal hopping and flying locomotion significantly improves efficiency and operation time as compared to purely flying systems. However, effective control necessitates continuous estimation of the vertical states. A single hopping state estimator has been shown (Kang 2024), in which two vertical states (position, acceleration) are measured and only velocity is estimated using a moving horizon estimation and visual inertial odometry at 200 Hz. This technique requires complex sensors (IMU, lidar, depth camera, contact force sensor), and computationally intensive calculations (12-core, 5 GHz processor), for a maximum hop height of $\sim$0.6 m at 3.65 kg. Here we show a trained Kalman filter based hopping vertical state estimator (HVSE), requiring only vertical acceleration measurements. Our results show the HVSE can estimate more states (position, velocity) with a mean-absolute-error in the hop apex ratio (height error/ground truth) of 12.5\%, running $\sim$4.2x faster (840 Hz) on a substantially less powerful processor (dual-core 240 MHz) with over $\sim$6.7x the hopping height (4.02 m) at 20\% of the mass (672 g). The presented general HVSE, and training procedure are broadly applicable to jumping, hopping, and legged robots across a wide range of sizes and hopping heights.
arxiv情報
著者 | Samuel Burns,Matthew Woodward |
発行日 | 2024-08-21 20:20:16+00:00 |
arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google