Incorporating Control Inputs in Continuous-Time Gaussian Process State Estimation for Robotics

要約

ガウス プロセスを使用した連続時間バッチ状態推定は、時間の経過に伴うロボットの軌道を推定するための効率的なアプローチです。
これまで、このようなアプローチには、一定の速度や加速度などの仮定を使用した、比較的単純な物理学に基づく事前確率が検討されてきました。
この論文では、速度や加速度コマンドなどの外部制御入力を連続ガウス プロセス状態推定フレームワークに組み込むアプローチを紹介します。
このアプローチはロボット工学のさまざまな領域にわたって一般化され、移動ロボットの連続時間軌道の推定と準静的な連続ロボットの形状の推定の両方に適用できることが示されています。
結果は、制御入力を組み込むと、より多くの情報に基づいた事前分布が得られ、正確な推定値を取得するために必要な測定ノードと推定ノードが減少する可能性があることを示しています。
これにより、このアプローチは、利用可能なセンシングが限られている状況で特に役立ちます。

要約(オリジナル)

Continuous-time batch state estimation using Gaussian processes is an efficient approach to estimate the trajectories of robots over time. In the past, relatively simple physics-motivated priors have been considered for such approaches, using assumptions such as constant velocity or acceleration. This paper presents an approach to incorporating exogenous control inputs, such as velocity or acceleration commands, into the continuous Gaussian process state-estimation framework. It is shown that this approach generalizes across different domains in robotics, making it applicable to both the estimation of continuous-time trajectories for mobile robots and the estimation of quasi-static continuum robot shapes. Results show that incorporating control inputs leads to more informed priors, potentially requiring less measurements and estimation nodes to obtain accurate estimates. This makes the approach particularly useful in situations in which limited sensing is available.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google