Fast Decentralized State Estimation for Legged Robot Locomotion via EKF and MHE

要約

この論文では、脚の移動制御のための高速かつ分散型の状態推定フレームワークを紹介します。
浮動基本状態の非線形推定は、拡張カルマン フィルター (EKF) による方向推定と移動地平線推定 (MHE) による線形速度推定に分散されます。
EKF は慣性センサーと視覚を融合して、フローティングベースの方向を推定します。
MHE は、過去の時間ウィンドウ内のすべてのセンサーで推定された方向を使用して、状態制約を伴う対象状態の時変線形力学定式化に基づいて線形速度を推定します。
さらに重要なことは、完全情報フィルター (FIF) の最適化構造に基づく周辺化方法が、等価制約のある FIF を同等の MHE に変換するために提案されていることです。
この状態推定の分離により、計算効率、推定精度、および状態制約の組み込みの望ましいバランスが促進されます。
提案手法は、高動的ホッピングロボットPogoX、二足歩行ロボットCassie、四足歩行ロボットUnitree Go1を含むいくつかの脚式ロボットに対して、周波数200 Hz、ウィンドウ間隔0.1で正確な状態推定を提供できることが示されています。
s.

要約(オリジナル)

In this paper, we present a fast and decentralized state estimation framework for the control of legged locomotion. The nonlinear estimation of the floating base states is decentralized to an orientation estimation via Extended Kalman Filter (EKF) and a linear velocity estimation via Moving Horizon Estimation (MHE). The EKF fuses the inertia sensor with vision to estimate the floating base orientation. The MHE uses the estimated orientation with all the sensors within a time window in the past to estimate the linear velocities based on a time-varying linear dynamics formulation of the interested states with state constraints. More importantly, a marginalization method based on the optimization structure of the full information filter (FIF) is proposed to convert the equality-constrained FIF to an equivalent MHE. This decoupling of state estimation promotes the desired balance of computation efficiency, accuracy of estimation, and the inclusion of state constraints. The proposed method is shown to be capable of providing accurate state estimation to several legged robots, including the highly dynamic hopping robot PogoX, the bipedal robot Cassie, and the quadrupedal robot Unitree Go1, with a frequency at 200 Hz and a window interval of 0.1s.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google