A Data-driven Contact Estimation Method for Wheeled-Biped Robots

要約

接触推定は四肢ロボットにとって重要な機能であり、接触の有無が状態推定とバランス制御に直接影響します。
既存のアプローチは通常、ゲートサイクル事前分布または指定された接触センサーに依存しています。
我々は、これらの機能を持たない新しい車輪付き二足歩行ロボットタイプに適した接触推定器を設計します。
この目的を達成するために、更新ステップが実際のロボットのトルク測定から学習され、予測ステップが慣性測定に依存するベイズ フィルターを提案します。
私たちは、広範な実際のロボット実験とシミュレーション実験でこのアプローチを評価します。
私たちの方法は、同等の深層学習ベースラインよりもサンプル効率が大幅に高いと同時に、より優れたパフォーマンスを実現します。

要約(オリジナル)

Contact estimation is a key ability for limbed robots, where making and breaking contacts has a direct impact on state estimation and balance control. Existing approaches typically rely on gate-cycle priors or designated contact sensors. We design a contact estimator that is suitable for the emerging wheeled-biped robot types that do not have these features. To this end, we propose a Bayes filter in which update steps are learned from real-robot torque measurements while prediction steps rely on inertial measurements. We evaluate this approach in extensive real-robot and simulation experiments. Our method achieves better performance while being considerably more sample efficient than a comparable deep-learning baseline.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google