Multi-Contact Inertial Parameters Estimation and Localization in Legged Robots

要約

最適な推定は、ペイロードの慣性パラメーターの推定および複数の接点の存在下でのロボットのローカリゼーションのための有望なツールです。
ロボット工学の利点を活用するには、これらの大きくて挑戦的な最適化の問題を効率的に解決することが重要です。
これに取り組むために、（i）パラメータ化されたリカティの再帰を介して、時間的構造とパラメトリック構造の両方を悪用する複数の射撃ソルバーを開発します。
さらに、我々（ii）は、慣性パラメーターの完全な物理的一貫性を保証し、収束を強化する慣性マニホールドを提案します。
その多様な特異点を処理するために、最適な推定ソルバーにnullspaceアプローチを導入します。
最後に、両方の慣性パラメーター化の接触ダイナミクスの分析誘導体を開発します。
私たちのフレームワークは、ヒューマノイドのブラキオ化などの複雑な操作の推定問題をうまく解決し、従来の最小二乗アプローチよりも高い精度を達成できます。
さまざまなロボットタスクにわたる数値機能と、GO1ロボットでの実験的試験における利点を実証します。

要約(オリジナル)

Optimal estimation is a promising tool for estimation of payloads’ inertial parameters and localization of robots in the presence of multiple contacts. To harness its advantages in robotics, it is crucial to solve these large and challenging optimization problems efficiently. To tackle this, we (i) develop a multiple shooting solver that exploits both temporal and parametric structures through a parametrized Riccati recursion. Additionally, we (ii) propose an inertial manifold that ensures the full physical consistency of inertial parameters and enhances convergence. To handle its manifold singularities, we (iii) introduce a nullspace approach in our optimal estimation solver. Finally, we (iv) develop the analytical derivatives of contact dynamics for both inertial parametrizations. Our framework can successfully solve estimation problems for complex maneuvers such as brachiation in humanoids, achieving higher accuracy than conventional least squares approaches. We demonstrate its numerical capabilities across various robotics tasks and its benefits in experimental trials with the Go1 robot.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google