論文の概要: Attention-Based Neural-Augmented Kalman Filter for Legged Robot State Estimation

• arxiv url: http://arxiv.org/abs/2601.18569v1
• Date: Mon, 26 Jan 2026 15:13:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-27 15:23:08.890581
• Title: Attention-Based Neural-Augmented Kalman Filter for Legged Robot State Estimation
• Title（参考訳）: 重み付きロボット状態推定のための注意型ニューラルネットワークカルマンフィルタ
• Authors: Seokju Lee, Kyung-Soo Kim,
• Abstract要約: 脚型ロボットにおける状態推定のためのアテンションベースニューラルネットワークカルマンフィルタを提案する。 我々の目標は、すべりによる誤差を推定し、補償することである。 既存の脚ロボット状態推定器と比較して性能が向上した。
• 参考スコア（独自算出の注目度）: 7.704646659975572
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this letter, we propose an Attention-Based Neural-Augmented Kalman Filter (AttenNKF) for state estimation in legged robots. Foot slip is a major source of estimation error: when slip occurs, kinematic measurements violate the no-slip assumption and inject bias during the update step. Our objective is to estimate this slip-induced error and compensate for it. To this end, we augment an Invariant Extended Kalman Filter (InEKF) with a neural compensator that uses an attention mechanism to infer error conditioned on foot-slip severity and then applies this estimate as a post-update compensation to the InEKF state (i.e., after the filter update). The compensator is trained in a latent space, which aims to reduce sensitivity to raw input scales and encourages structured slip-conditioned compensations, while preserving the InEKF recursion. Experiments demonstrate improved performance compared to existing legged-robot state estimators, particularly under slip-prone conditions.
• Abstract（参考訳）: 本稿では,足歩行ロボットの状態推定のためのアテンションベースニューラルネットワークカルマンフィルタ(AttenNKF)を提案する。 スリップが発生すると、キネマティック測定はノースリップの仮定に違反し、更新ステップ中にバイアスを注入する。 我々の目標は、このすべりによる誤差を推定し、補償することである。 この目的のために、我々は、足すべり重大度で条件付けられた誤差を推測するアテンション機構を用いたニューラル補償器を用いて、不変拡張カルマンフィルタ(Invariant Extended Kalman Filter, InEKF)を増設し、InEKF状態に対する更新後の補償としてこの推定を適用した(フィルタ更新後)。 補償器は潜時空間で訓練されており、これは生の入力スケールに対する感度を低減し、InEKF再帰を保ちながら構造化されたスリップ条件の補償を促進することを目的としている。 既存の脚ロボット状態推定装置と比較して,特にすべり速度条件下では性能が向上した。

関連論文リスト

• An adaptive ensemble filter for heavy-tailed distributions: tuning-free inflation and localization [0.3749861135832072]
  重尾は、非線形力学および観察過程から生じる分布をフィルタリングする一般的な特徴である。 本研究では,各状態と観測値の同時予測分布のサンプルから,前から後への更新を推定するアルゴリズムを提案する。 本稿では,新しいアンサンブルフィルタの利点について述べる。
  論文  参考訳（メタデータ） (2023-10-12T21:56:14Z)
• Quantifying predictive uncertainty of aphasia severity in stroke patients with sparse heteroscedastic Bayesian high-dimensional regression [47.1405366895538]
  高次元データに対する疎線型回帰法は、通常、残留物が一定の分散を持つと仮定するが、これは実際には破ることができる。 本稿では,ヘテロセダスティック分割経験的ベイズ期待条件最大化アルゴリズムを用いて,高次元ヘテロセダスティック線形回帰モデルを推定する。
  論文  参考訳（メタデータ） (2023-09-15T22:06:29Z)
• Bayesian Renormalization [68.8204255655161]
  ベイズ統計的推論にインスパイアされた再正規化に対する完全情報理論的アプローチを提案する。 ベイズ再正規化の主な洞察は、フィッシャー計量が創発的RGスケールの役割を担う相関長を定義することである。 本研究では,ベイズ正規化方式が既存のデータ圧縮法やデータ生成法とどのように関係しているかを考察する。
  論文  参考訳（メタデータ） (2023-05-17T18:00:28Z)
• Inverse Unscented Kalman Filter [16.975704972827305]
  認知的「敵」はカルマンフィルタ(KF)のようなフレームワークを通じて関心の対象を追跡する ターゲットまたは「ディフェンダー」は、相手が計算したディフェンダーの前方フィルタ推定を推測するために別の逆非セントフィルタを使用する。 線形系では、逆カルマンフィルタ (I-KF) がこれらの反逆応用に有効であることが最近示されている。
  論文  参考訳（メタデータ） (2023-04-04T10:51:43Z)
• Semantic Latent Space Regression of Diffusion Autoencoders for Vertebral Fracture Grading [72.45699658852304]
  本稿では,教師なし特徴抽出器として生成拡散オートエンコーダモデルを訓練するための新しい手法を提案する。 フラクチャーグレーディングを連続回帰としてモデル化し, フラクチャーのスムーズな進行を反映した。 重要なことに,本手法の創成特性は,与えられた脊椎の様々な段階を可視化し,自動グルーピングに寄与する特徴を解釈し,洞察することを可能にする。
  論文  参考訳（メタデータ） (2023-03-21T17:16:01Z)
• Lateral Strain Imaging using Self-supervised and Physically Inspired Constraints in Unsupervised Regularized Elastography [3.2116198597240846]
  超音波エラストグラフィー(USE)における畳み込みニューラルネットワーク(CNN)による変位推定の有望な結果を示している 本稿では, Hooke の法則にインスパイアされた非教師付き正規化エラストグラフィ (PICTURE) のための物理インスパイアされた ConsTraint を提案する。 次のステップでは、歪み画像推定をさらに強化する自己教師型PICTURE(sPICTURE)を提案する。
  論文  参考訳（メタデータ） (2022-12-16T22:29:21Z)
• Deep Quantile Regression for Uncertainty Estimation in Unsupervised and Supervised Lesion Detection [0.0]
  不確かさは、異常や病変の検出、臨床診断などの重要な応用において重要である。 そこで本研究では,量子レグレッション(quantile regression)を用いてアレータ性不確かさを推定し,教師付き病変検出と教師なし病変検出の両問題における不確かさを推定する。 本研究では, 病変境界位置における専門家の不一致を特徴付けるために, 量子レグレッションがいかに有効かを示す。
  論文  参考訳（メタデータ） (2021-09-20T08:50:21Z)
• Regret-Optimal Filtering [57.51328978669528]
  後悔最適化レンズによる線形状態空間モデルにおけるフィルタの問題を検討する。 我々は, 透視推定器の誤差エネルギー推定における後悔の概念に基づいて, フィルタ設計のための新しい基準を定式化する。 3つのリッキー方程式と1つのリャプノフ方程式を解くことで、後悔と最適推定が容易に実現できることを示す。
  論文  参考訳（メタデータ） (2021-01-25T19:06:52Z)
• On Signal-to-Noise Ratio Issues in Variational Inference for Deep Gaussian Processes [55.62520135103578]
  重み付き変分推論を用いたDGP(Deep Gaussian Processs)の訓練で用いられる勾配推定は,信号-雑音比(SNR)問題の影響を受けやすいことを示す。 DGPモデルの予測性能が一貫した改善につながることを示す。
  論文  参考訳（メタデータ） (2020-11-01T14:38:02Z)
• Unbiased Gradient Estimation for Variational Auto-Encoders using Coupled Markov Chains [34.77971292478243]
  変分オートエンコーダ(VAE)は、オートエンコーダのようなアーキテクチャで2つのニューラルネットワークを持つ、潜伏変数モデルである。 ログ型勾配の偏りのない推定器を導入することにより,VAEのトレーニング手法を開発する。 偏りのない推定器を装着したVAEは予測性能が向上することを示した。
  論文  参考訳（メタデータ） (2020-10-05T08:11:55Z)

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。