論文の概要: Proprioceptive-only State Estimation for Legged Robots with Set-Coverage Measurements of Learned Dynamics

• arxiv url: http://arxiv.org/abs/2603.18308v1
• Date: Wed, 18 Mar 2026 21:48:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-21 18:33:56.966017
• Title: Proprioceptive-only State Estimation for Legged Robots with Set-Coverage Measurements of Learned Dynamics
• Title（参考訳）: 学習ダイナミクスのセットキャバレッジ測定による脚ロボットの受動的状態推定
• Authors: Abhijeet M. Kulkarni, Ioannis Poulakakis, Guoquan Huang,
• Abstract要約: プロプリオセプティブのみの状態推定は、計算的に安価であり、知覚的に劣化した条件の影響を受けないため、脚付きロボットにとって魅力的である。 近年のアプローチでは、ガウス雑音仮定の下で、これらの推定を学習された測定モデルを用いて生成し、IMUデータと融合する。 本研究では,任意の分布を仮定しない集合被覆文を用いて測定ノイズを特徴付けるフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 7.713910967779935
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Proprioceptive-only state estimation is attractive for legged robots since it is computationally cheaper and is unaffected by perceptually degraded conditions. The history of joint-level measurements contains rich information that can be used to infer the dynamics of the system and subsequently produce navigational measurements. Recent approaches produce these estimates with learned measurement models and fuse with IMU data, under a Gaussian noise assumption. However, this assumption can easily break down with limited training data and render the estimates inconsistent and potentially divergent. In this work, we propose a proprioceptive-only state estimation framework for legged robots that characterizes the measurement noise using set-coverage statements that do not assume any distribution. We develop a practical and computationally inexpensive method to use these set-coverage measurements with a Gaussian filter in a systematic way. We validate the approach in both simulation and two real-world quadrupedal datasets. Comparison with the Gaussian baselines shows that our proposed method remains consistent and is not prone to drift under real noise scenarios.
• Abstract（参考訳）: プロプリオセプティブのみの状態推定は、計算的に安価であり、知覚的に劣化した条件の影響を受けないため、脚付きロボットにとって魅力的である。 ジョイントレベル測定の歴史には、システムのダイナミクスを推測し、その後ナビゲーション計測を作成するために使用できる豊富な情報が含まれている。 近年のアプローチでは、ガウス雑音仮定の下で、これらの推定を学習された測定モデルを用いて生成し、IMUデータと融合する。 しかし、この仮定は限られたトレーニングデータで簡単に分解でき、見積もりが矛盾し、潜在的に分岐する可能性がある。 本研究では,本研究で提案する脚型ロボットの主観的状態推定フレームワークについて,任意の分布を仮定しない集合被覆文を用いて,計測ノイズを特徴付ける。 我々は,ガウスフィルタを用いて,これらの集合被覆測定を体系的に利用するための,実用的で低コストな手法を開発した。 シミュレーションと実世界の2つの四面体データセットでそのアプローチを検証する。 ガウス基底線と比較すると,提案手法は一貫性が保たれ,実際の騒音シナリオ下ではドリフトしにくいことが分かる。

関連論文リスト

• Denoising Particle Filters: Learning State Estimation with Single-Step Objectives [2.320417845168326]
  本研究では,個々の状態遷移からモデルを訓練する新しい粒子フィルタリングアルゴリズムを提案する。 シミュレーションにおけるロボット状態推定タスクの課題に対する提案手法の評価を行った。
  論文  参考訳（メタデータ） (2026-02-23T09:53:23Z)
• Robust Filtering -- Novel Statistical Learning and Inference Algorithms with Applications [0.0]
  状態推定は、自動運転車、ロボット工学、医療監視、スマートグリッド、インテリジェントトランスポート、予測保守などのアプリケーションにおけるインテリジェントな意思決定を可能にするための基本的なタスクである。 標準フィルタリングはノイズ統計の事前知識を前提としてノイズセンサデータから潜時状態の抽出を行う。 現実のシナリオは、外れ値、偏見、漂流、未知あるいは部分的に知られている統計の欠如といった異常を伴い、従来のアプローチを制限している。 この論文は、これらの課題を軽減するために、新しい頑健な非線形フィルタリング法を示す。
  論文  参考訳（メタデータ） (2025-06-13T07:30:35Z)
• DynaNoise: Dynamic Probabilistic Noise Injection for Defending Against Membership Inference Attacks [6.610581923321801]
  会員推論攻撃(MIA)は、トレーニングデータセットのプライバシーに重大なリスクをもたらす。 従来の緩和技術は、トレーニングや推論中に一定量のノイズを注入することに依存している。 問合せ感度に基づいて動的にノイズ注入を変調する適応型アプローチであるDynaNoiseを提案する。
  論文  参考訳（メタデータ） (2025-05-19T17:07:00Z)
• Model-free Methods for Event History Analysis and Efficient Adjustment (PhD Thesis) [55.2480439325792]
  この論文は、モデルフリーの観点から統一された統計学への独立した貢献のシリーズである。 第1章では、機械学習から予測技術を活用する柔軟なメソッドを定式化するために、モデルフリーの視点をどのように利用できるか、詳しく説明している。 第2章では、あるプロセスの進化が他のプロセスに直接影響されるかどうかを記述した地域独立の概念を研究している。
  論文  参考訳（メタデータ） (2025-02-11T19:24:09Z)
• Semi-Supervised Model-Free Bayesian State Estimation from Compressed Measurements [57.04370580292727]
  圧縮測定によるベイズ状態の推定について考察する。 時間的測定ベクトルの寸法は、推定される時間的状態ベクトルの寸法よりも小さい。 状態の進化の基盤となる力学モデルは「モデルフリープロセス」では未知数である。
  論文  参考訳（メタデータ） (2024-07-10T05:03:48Z)
• Noise-mitigated randomized measurements and self-calibrating shadow estimation [0.0]
  ランダム化測定の誤差軽減手法を導入し,ロバストなシャドウ推定手法を提案する。 実用面では, 量子実験と同じセッションを用いて, 誤差緩和と影推定を行うことができることを示す。
  論文  参考訳（メタデータ） (2024-03-07T18:53:56Z)
• Rapid Bayesian identification of sparse nonlinear dynamics from scarce and noisy data [2.3018169548556977]
  我々はベイジアンフレームワーク内でSINDy法をリキャストし、ガウス近似を用いて計算を高速化する。 ベイジアン・シンディは推定したパラメータの不確かさを定量化するが、限られたノイズのあるデータから正しいモデルを学ぶ際にもより堅牢である。
  論文  参考訳（メタデータ） (2024-02-23T14:41:35Z)

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。