論文の概要: Legged Robot State Estimation With Invariant Extended Kalman Filter
Using Neural Measurement Network
- arxiv url: http://arxiv.org/abs/2402.00366v1
- Date: Thu, 1 Feb 2024 06:06:59 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-02 16:11:32.813633
- Title: Legged Robot State Estimation With Invariant Extended Kalman Filter
Using Neural Measurement Network
- Title（参考訳）: ニューラルネットワークを用いた可変拡張カルマンフィルタによる脚状ロボット状態推定
- Authors: Donghoon Youm, Hyunsik Oh, Suyoung Choi, Hyeongjun Kim, Jemin Hwangbo
- Abstract要約: 我々は、ニューラルネットワーク(NMN)と不変拡張カルマンフィルタを統合する状態推定フレームワークを開発した。
提案手法は,既存のモデルベース状態推定器と比較して位置ドリフトを著しく低減する。
- 参考スコア（独自算出の注目度）: 2.0405494347486197
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper introduces a novel proprioceptive state estimator for legged
robots that combines model-based filters and deep neural networks. Recent
studies have shown that neural networks such as multi-layer perceptron or
recurrent neural networks can estimate the robot states, including contact
probability and linear velocity. Inspired by this, we develop a state
estimation framework that integrates a neural measurement network (NMN) with an
invariant extended Kalman filter. We show that our framework improves
estimation performance in various terrains. Existing studies that combine
model-based filters and learning-based approaches typically use real-world
data. However, our approach relies solely on simulation data, as it allows us
to easily obtain extensive data. This difference leads to a gap between the
learning and the inference domain, commonly referred to as a sim-to-real gap.
We address this challenge by adapting existing learning techniques and
regularization. To validate our proposed method, we conduct experiments using a
quadruped robot on four types of terrain: \textit{flat}, \textit{debris},
\textit{soft}, and \textit{slippery}. We observe that our approach
significantly reduces position drift compared to the existing model-based state
estimator.
- Abstract（参考訳）: 本稿では,モデルベースフィルタとディープニューラルネットワークを組み合わせた脚型ロボットのための新しい受容状態推定器を提案する。
近年の研究では、多層パーセプトロンやリカレントニューラルネットワークのようなニューラルネットワークが、接触確率や線形速度を含むロボット状態を推定できることが示されている。
そこで我々は,ニューラルネットワーク(NMN)と不変拡張カルマンフィルタを統合する状態推定フレームワークを開発した。
提案手法は,様々な地形における推定性能を向上させる。
モデルベースのフィルタと学習ベースのアプローチを組み合わせた既存の研究は、一般的に現実世界のデータを使用する。
しかし,本手法はシミュレーションデータにのみ依存しているため,広範なデータを容易に取得できる。
この違いは、学習と推論領域(一般にsim-to-realギャップと呼ばれる)の間にギャップをもたらす。
既存の学習手法と正規化を適用することで、この問題に対処する。
提案手法を検証するために,四足歩行ロボットを用いて4種類の地形について実験を行った: \textit{flat}, \textit{debris}, \textit{soft}, \textit{slippery}。
提案手法は既存のモデルベース状態推定器と比較して位置ドリフトを著しく低減する。
関連論文リスト
- Continuous time recurrent neural networks: overview and application to
forecasting blood glucose in the intensive care unit [56.801856519460465]
連続時間自己回帰リカレントニューラルネットワーク(Continuous Time Autoregressive Recurrent Neural Network, CTRNN)は、不規則な観測を考慮に入れたディープラーニングモデルである。
重篤なケア環境下での血糖値の確率予測へのこれらのモデルの適用を実証する。
論文 参考訳（メタデータ） (2023-04-14T09:39:06Z) - Learning to Learn with Generative Models of Neural Network Checkpoints [71.06722933442956]
ニューラルネットワークのチェックポイントのデータセットを構築し,パラメータの生成モデルをトレーニングする。
提案手法は,幅広い損失プロンプトに対するパラメータの生成に成功している。
我々は、教師付きおよび強化学習における異なるニューラルネットワークアーキテクチャとタスクに本手法を適用した。
論文 参考訳（メタデータ） (2022-09-26T17:59:58Z) - 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) - DeepBayes -- an estimator for parameter estimation in stochastic
nonlinear dynamical models [11.917949887615567]
本研究では,DeepBayes推定器を提案する。
ディープリカレントニューラルネットワークアーキテクチャはオフラインでトレーニングでき、推論中にかなりの時間を節約できる。
提案手法の異なる実例モデルへの適用性を実証し, 最先端手法との詳細な比較を行う。
論文 参考訳（メタデータ） (2022-05-04T18:12:17Z) - Neurosymbolic hybrid approach to driver collision warning [64.02492460600905]
自律運転システムには2つの主要なアルゴリズムアプローチがある。
ディープラーニングだけでは、多くの分野で最先端の結果が得られています。
しかし、ディープラーニングモデルが機能しない場合、デバッグが非常に難しい場合もあります。
論文 参考訳（メタデータ） (2022-03-28T20:29:50Z) - Learning Dynamics from Noisy Measurements using Deep Learning with a
Runge-Kutta Constraint [9.36739413306697]
そこで本研究では,雑音と疎サンプルを用いた微分方程式の学習手法について論じる。
我々の方法論では、ディープニューラルネットワークと古典的な数値積分法の統合において、大きな革新が見られる。
論文 参考訳（メタデータ） (2021-09-23T15:43:45Z) - Gone Fishing: Neural Active Learning with Fisher Embeddings [55.08537975896764]
ディープニューラルネットワークと互換性のあるアクティブな学習アルゴリズムの必要性が高まっている。
本稿では,ニューラルネットワークのための抽出可能かつ高性能な能動学習アルゴリズムBAITを紹介する。
論文 参考訳（メタデータ） (2021-06-17T17:26:31Z) - Fully differentiable model discovery [0.0]
ニューラルネットワークに基づくサロゲートとスパースベイズ学習を組み合わせたアプローチを提案する。
我々の研究は、PINNを様々なタイプのニューラルネットワークアーキテクチャに拡張し、ニューラルネットワークベースのサロゲートをベイズパラメータ推論のリッチフィールドに接続する。
論文 参考訳（メタデータ） (2021-06-09T08:11:23Z) - Firearm Detection via Convolutional Neural Networks: Comparing a
Semantic Segmentation Model Against End-to-End Solutions [68.8204255655161]
武器の脅威検出とライブビデオからの攻撃的な行動は、潜在的に致命的な事故の迅速検出と予防に使用できる。
これを実現する一つの方法は、人工知能と、特に画像分析のための機械学習を使用することです。
従来のモノリシックなエンド・ツー・エンドのディープラーニングモデルと、セマンティクスセグメンテーションによって火花を検知する単純なニューラルネットワークのアンサンブルに基づく前述したモデルを比較した。
論文 参考訳（メタデータ） (2020-12-17T15:19:29Z) - Sparsely constrained neural networks for model discovery of PDEs [0.0]
本稿では,任意のスパース回帰手法を用いて,ディープラーニングに基づくサロゲートのスパースパターンを決定するモジュラーフレームワークを提案する。
異なるネットワークアーキテクチャと疎度推定器がモデル発見精度と収束性を,いくつかのベンチマーク例でどのように改善するかを示す。
論文 参考訳（メタデータ） (2020-11-09T11:02:40Z)
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。