Proprioceptive Invariant Robot State Estimation

要約

この論文では、DRIFT と呼ばれるリアルタイム不変固有受容ロボット状態推定フレームワークの開発について報告します。
インバリアント カルマン フィルタリングの教訓的な紹介は、この最先端の対称性を維持するアプローチをより広範囲のロボット工学アプリケーションに利用できるようにするために提供されています。
さらに、この研究では、オンボードの慣性測定ユニットとロボットの運動学からのデータのみを消費する推測航法用の固有受容状態推定フレームワークの開発にも踏み込みます。低コスト ロボット用の接触推定器とジャイロ フィルターという 2 つのオプション モジュールを使用します。
これにより、さまざまなロボット プラットフォーム上で、知覚データが存在しない場合でも長い軌道にわたってロボットの状態を追跡する重要な機能が可能になります。
DRIFT の限界を理解するために、脚式ロボット、屋内車輪式ロボット、フィールド ロボット、実物大車両を使用した広範な実環境実験と海洋ロボットによるシミュレーション結果が提供されます。

要約(オリジナル)

This paper reports on developing a real-time invariant proprioceptive robot state estimation framework called DRIFT. A didactic introduction to invariant Kalman filtering is provided to make this cutting-edge symmetry-preserving approach accessible to a broader range of robotics applications. Furthermore, this work dives into the development of a proprioceptive state estimation framework for dead reckoning that only consumes data from an onboard inertial measurement unit and kinematics of the robot, with two optional modules, a contact estimator and a gyro filter for low-cost robots, enabling a significant capability on a variety of robotics platforms to track the robot’s state over long trajectories in the absence of perceptual data. Extensive real-world experiments using a legged robot, an indoor wheeled robot, a field robot, and a full-size vehicle, as well as simulation results with a marine robot, are provided to understand the limits of DRIFT.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google