Proprioceptive State Estimation for Quadruped Robots using Invariant Kalman Filtering and Scale-Variant Robust Cost Functions

要約

正確な状態推定は、制御とナビゲーションを可能にするために必要な情報を提供するため、脚式ロボットの移動にとって非常に重要です。
ただし、特にでこぼこした滑りやすい地形のシナリオでは、それは困難でもあります。
この論文では、固有受容センサーのみを使用して脚式ロボットの状態を推定するための新しい不変拡張カルマン フィルターを紹介します。
状態推定理論の最近の進歩と測定更新におけるロバストなコスト関数の使用を組み合わせることにより、方法論を定式化します。
私たちは実験と公開データセットを通じて四足ロボットで方法論をテストし、最先端の不変拡張カルマン フィルターと比較して、450 メートル以上の距離をカバーする軌道で最大 40% 低い姿勢ドリフトを取得できることを示しました。
。

要約(オリジナル)

Accurate state estimation is crucial for legged robot locomotion, as it provides the necessary information to allow control and navigation. However, it is also challenging, especially in scenarios with uneven and slippery terrain. This paper presents a new Invariant Extended Kalman filter for legged robot state estimation using only proprioceptive sensors. We formulate the methodology by combining recent advances in state estimation theory with the use of robust cost functions in the measurement update. We tested our methodology on quadruped robots through experiments and public datasets, showing that we can obtain a pose drift up to 40% lower in trajectories covering a distance of over 450m, in comparison with a state-of-the-art Invariant Extended Kalman filter.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google