Robust State Estimation for Legged Robots with Dual Beta Kalman Filter

要約

固有受容センサーに依存する脚式ロボットの既存の状態推定アルゴリズムは、物理世界における足の滑りや脚の変形を見落とすことが多く、大きな推定誤差につながります。
この制限に対処するために、足の接触点とロボットの身体中心の間の相対運動を分析することにより、足の滑りと可変脚長の両方を考慮した包括的な測定モデルを提案します。
脚の長さは観測可能な量であること、つまり補助フィルターを設計することでその値を明示的に推測できることを示します。
この目的を達成するために、パラメータ フィルターを繰り返し使用して脚の長さパラメーターを推定し、状態フィルターを使用してロボットの状態を推定する二重推定フレームワークを導入します。
この反復フレームワークでの誤差の蓄積を防ぐために、脚の静的方程式を使用してパラメーター フィルターの部分測定モデルを構築します。
このアプローチにより、脚の長さの推定が関節トルクと足の接触力のみに依存することが保証され、パラメータ推定に対する状態推定誤差の影響が回避されます。
直接推定できる脚の長さとは異なり、現在のセンサー構成では足の滑りを直接測定することはできません。
ただし、足の滑りは発生頻度が低いため、測定データでは外れ値として扱うことができます。
これらの外れ値の影響を軽減するために、ベータ カルマン フィルター (ベータ KF) を提案します。これは、ベータ発散を使用して正準カルマン フィルターにおける推定損失を再定義します。
この発散により、適応的な方法で外れ値に低い重みを割り当てることができるため、推定アルゴリズムの堅牢性が向上します。
これらの技術を組み合わせて、脚式ロボットのロバストな状態推定のための新しいアルゴリズムであるデュアル ベータ カルマン フィルター (デュアル ベータ KF) を形成します。
Unitree GO2 ロボットの実験結果は、デュアル ベータ KF が最先端の方法を大幅に上回ることを示しています。

要約(オリジナル)

Existing state estimation algorithms for legged robots that rely on proprioceptive sensors often overlook foot slippage and leg deformation in the physical world, leading to large estimation errors. To address this limitation, we propose a comprehensive measurement model that accounts for both foot slippage and variable leg length by analyzing the relative motion between foot contact points and the robot’s body center. We show that leg length is an observable quantity, meaning that its value can be explicitly inferred by designing an auxiliary filter. To this end, we introduce a dual estimation framework that iteratively employs a parameter filter to estimate the leg length parameters and a state filter to estimate the robot’s state. To prevent error accumulation in this iterative framework, we construct a partial measurement model for the parameter filter using the leg static equation. This approach ensures that leg length estimation relies solely on joint torques and foot contact forces, avoiding the influence of state estimation errors on the parameter estimation. Unlike leg length which can be directly estimated, foot slippage cannot be measured directly with the current sensor configuration. However, since foot slippage occurs at a low frequency, it can be treated as outliers in the measurement data. To mitigate the impact of these outliers, we propose the beta Kalman filter (beta KF), which redefines the estimation loss in canonical Kalman filtering using beta divergence. This divergence can assign low weights to outliers in an adaptive manner, thereby enhancing the robustness of the estimation algorithm. These techniques together form the dual beta-Kalman filter (Dual beta KF), a novel algorithm for robust state estimation in legged robots. Experimental results on the Unitree GO2 robot demonstrate that the Dual beta KF significantly outperforms state-of-the-art methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google