論文の概要: Robots State Estimation and Observability Analysis Based on Statistical Motion Models

• arxiv url: http://arxiv.org/abs/2010.05957v1
• Date: Mon, 12 Oct 2020 18:35:33 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-08 07:53:25.083209
• Title: Robots State Estimation and Observability Analysis Based on Statistical Motion Models
• Title（参考訳）: 統計運動モデルに基づくロボットの状態推定と可観測性解析
• Authors: Wei Xu, Dongjiao He, Yixi Cai, Fu Zhang
• Abstract要約: 本稿では,移動ロボットの動特性(翻訳と回転)を捉える汎用動作モデルを提案する。 このモデルは白色ランダムプロセスによって駆動される統計モデルに基づいており、エラー状態拡張カルマンフィルタリングフレームワーク(ESEKF)に基づく完全な状態推定アルゴリズムに定式化されている。 システム状態の観測不能なサブセットを特徴付けるために、新しいtexttextbfitthin セットの概念が導入された。
• 参考スコア（独自算出の注目度）: 10.941793802354953
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper presents a generic motion model to capture mobile robots' dynamic behaviors (translation and rotation). The model is based on statistical models driven by white random processes and is formulated into a full state estimation algorithm based on the error-state extended Kalman filtering framework (ESEKF). Major benefits of this method are its versatility, being applicable to different robotic systems without accurately modeling the robots' specific dynamics, and ability to estimate the robot's (angular) acceleration, jerk, or higher-order dynamic states with low delay. Mathematical analysis with numerical simulations are presented to show the properties of the statistical model-based estimation framework and to reveal its connection to existing low-pass filters. Furthermore, a new paradigm is developed for robots observability analysis by developing Lie derivatives and associated partial differentiation directly on manifolds. It is shown that this new paradigm is much simpler and more natural than existing methods based on quaternion parameterizations. It is also scalable to high dimensional systems. A novel \textbf{\textit{thin}} set concept is introduced to characterize the unobservable subset of the system states, providing the theoretical foundation to observability analysis of robotic systems operating on manifolds and in high dimension. Finally, extensive experiments including full state estimation and extrinsic calibration (both POS-IMU and IMU-IMU) on a quadrotor UAV, a handheld platform and a ground vehicle are conducted. Comparisons with existing methods show that the proposed method can effectively estimate all extrinsic parameters, the robot's translation/angular acceleration and other state variables (e.g., position, velocity, attitude) of high accuracy and low delay.
• Abstract（参考訳）: 本稿では,移動ロボットの動特性(翻訳と回転)を捉える汎用動作モデルを提案する。 このモデルは白色ランダムプロセスによって駆動される統計モデルに基づいており、エラー状態拡張カルマンフィルタリングフレームワーク(ESEKF)に基づいて完全な状態推定アルゴリズムに定式化されている。 この方法の主な利点は、ロボットの特定の力学を正確にモデル化することなく、異なるロボットシステムに適用でき、ロボットの(角)加速度、ジャーク、またはより高次の動的状態を低遅延で推定できることである。 数値シミュレーションを用いた数学的解析を行い, 統計モデルに基づく推定フレームワークの特性を示し, 既存の低域フィルタとの関係を明らかにする。 さらに、リー微分と関連する部分微分を多様体に直接展開することにより、ロボットの可観測性解析のための新しいパラダイムを開発した。 この新たなパラダイムは、四元数パラメータ化に基づく既存手法よりもずっとシンプルで自然なものであることが示されている。 また、高次元システムにも拡張性がある。 システム状態の観測不能な部分集合を特徴付けるために、新しい \textbf{\textit{thin}} セットの概念を導入し、多様体と高次元で動作するロボットシステムの可観測性解析の理論的基礎を提供する。 最後に, 立方体UAV, ハンドヘルドプラットフォーム, 地上車両の完全状態推定, 外部校正(POS-IMUとIMU-IMUの両方)を含む広範な実験を行った。 既存の手法との比較により,提案手法は,ロボットの翻訳/角度加速度,その他の状態変数(位置,速度,姿勢など)を高精度かつ低遅延で効果的に推定できることが示されている。

関連論文リスト

• Enhanced Prediction of Multi-Agent Trajectories via Control Inference and State-Space Dynamics [14.694200929205975]
  本稿では,状態空間動的システムモデリングに基づく軌道予測の新しい手法を提案する。 動的システムにおける状態推定の精度を高めるために,制御変数に対する新しいモデリング手法を提案する。 提案手法は,グラフニューラルネットワークと状態空間モデルを統合し,マルチエージェント相互作用の複雑さを効果的に捉える。
  論文  参考訳（メタデータ） (2024-08-08T08:33:02Z)
• Learning minimal representations of stochastic processes with variational autoencoders [52.99137594502433]
  プロセスを記述するのに必要なパラメータの最小セットを決定するために、教師なしの機械学習アプローチを導入する。 我々の手法はプロセスを記述する未知のパラメータの自律的な発見を可能にする。
  論文  参考訳（メタデータ） (2023-07-21T14:25:06Z)
• Capturing dynamical correlations using implicit neural representations [85.66456606776552]
  実験データから未知のパラメータを復元するために、モデルハミルトンのシミュレーションデータを模倣するために訓練されたニューラルネットワークと自動微分を組み合わせた人工知能フレームワークを開発する。 そこで本研究では, 実時間から多次元散乱データに適用可能な微分可能なモデルを1回だけ構築し, 訓練する能力について述べる。
  論文  参考訳（メタデータ） (2023-04-08T07:55:36Z)
• Particle-Based Score Estimation for State Space Model Learning in Autonomous Driving [62.053071723903834]
  マルチオブジェクト状態推定はロボットアプリケーションの基本的な問題である。 粒子法を用いて最大形パラメータを学習することを検討する。 自動運転車から収集した実データに本手法を適用した。
  論文  参考訳（メタデータ） (2022-12-14T01:21:05Z)
• Sample Efficient Dynamics Learning for Symmetrical Legged Robots:Leveraging Physics Invariance and Geometric Symmetries [14.848950116410231]
  本稿では,基礎となるロボットシステムにおける対称性を利用したダイナミクスの学習手法を提案する。 ベクトル空間における全てのデータを表す既存のフレームワークは、ロボットの構造化情報を考えるのに失敗する。
  論文  参考訳（メタデータ） (2022-10-13T19:57:46Z)
• LEARNEST: LEARNing Enhanced Model-based State ESTimation for Robots using Knowledge-based Neural Ordinary Differential Equations [4.3403382998035624]
  本研究では、状態推定アルゴリズムで用いられる力学モデルを強化することにより、ロボットシステムの正確な状態推定を行うタスクについて考察する。 動的モデルの強化と推定精度の向上のために,知識ベースニューラル常微分方程式(KNODE)と呼ばれるディープラーニングフレームワークを利用する。 提案する LEARNEST フレームワークでは,データ駆動モデルと KNODE-MHE と KNODE-UKF の2つの新しいモデルベース状態推定アルゴリズムを統合する。
  論文  参考訳（メタデータ） (2022-09-16T22:16:40Z)
• Real-to-Sim: Predicting Residual Errors of Robotic Systems with Sparse Data using a Learning-based Unscented Kalman Filter [65.93205328894608]
  我々は,動的・シミュレータモデルと実ロボット間の残差を学習する。 学習した残差誤差により、動的モデル、シミュレーション、および実際のハードウェア間の現実的ギャップをさらに埋めることができることを示す。
  論文  参考訳（メタデータ） (2022-09-07T15:15:12Z)
• Gradient-Based Trajectory Optimization With Learned Dynamics [80.41791191022139]
  データからシステムの微分可能なダイナミクスモデルを学習するために、機械学習技術を使用します。 ニューラルネットワークは、大規模な時間的地平線に対して、非常に非線形な振る舞いを正確にモデル化できることが示される。 ハードウェア実験において、学習したモデルがSpotとRadio- controlled (RC)の両方の複雑な力学を表現できることを実証した。
  論文  参考訳（メタデータ） (2022-04-09T22:07:34Z)
• Transformer Inertial Poser: Attention-based Real-time Human Motion Reconstruction from Sparse IMUs [79.72586714047199]
  本研究では,6つのIMUセンサからリアルタイムに全体動作を再構築する,注意に基づく深層学習手法を提案する。 提案手法は, 実装が簡単で, 小型でありながら, 定量的かつ質的に新しい結果が得られる。
  論文  参考訳（メタデータ） (2022-03-29T16:24:52Z)
• STEADY: Simultaneous State Estimation and Dynamics Learning from Indirect Observations [17.86873192361793]
  キノダイナミックモデル学習における最先端の多くのアプローチは、ラベル付き入力/出力の例としてロボットの状態の正確な測定を必要とする。 状態推定と動的学習を同時に行うことにより,ニューラルキノダイナミックモデルの学習手法を提案する。 提案手法は精度が大幅に向上するが, 観測音に対する堅牢性も向上し, 他の多くのロボティクスアプリケーションの性能向上が期待できる。
  論文  参考訳（メタデータ） (2022-03-02T18:25:56Z)
• Automatic Differentiation and Continuous Sensitivity Analysis of Rigid Body Dynamics [15.565726546970678]
  剛体力学のための微分可能な物理シミュレータを提案する。 軌道最適化の文脈では、閉ループモデル予測制御アルゴリズムを導入する。
  論文  参考訳（メタデータ） (2020-01-22T03:54:00Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。