論文の概要: Interacting Multiple Model Proprioceptive Odometry for Legged Robots

• arxiv url: http://arxiv.org/abs/2603.29383v1
• Date: Tue, 31 Mar 2026 07:51:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-01 15:25:03.270314
• Title: Interacting Multiple Model Proprioceptive Odometry for Legged Robots
• Title（参考訳）: 足ロボットにおける複数モデル固有受容眼磁図の相互干渉
• Authors: Wanlei Li, Zichang Chen, Shilei Li, Xiaogang Xiong, Yunjiang Lou,
• Abstract要約: 本稿では, 対話型マルチモデル (IMM) を用いた脚型ロボットのためのプロテアーゼオドメトリーフレームワークを提案する。 複数の接触仮説を統一確率的枠組みに組み込むことで,オンラインモード切替と確率的融合を可能にする。
• 参考スコア（独自算出の注目度）: 4.6777273139409195
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: State estimation for legged robots remains challenging because legged odometry generally suffers from limited observability and therefore depends critically on measurement constraints to suppress drift. When exteroceptive sensors are unreliable or degraded, such constraints are mainly derived from proprioceptive measurements, particularly contact-related leg kinematics information. However, most existing proprioceptive odometry methods rely on an idealized point-contact assumption, which is often violated during real locomotion. Consequently, the effectiveness of proprioceptive constraints may be significantly reduced, resulting in degraded estimation accuracy. To address these limitations, we propose an interacting multiple model (IMM)-based proprioceptive odometry framework for legged robots. By incorporating multiple contact hypotheses within a unified probabilistic framework, the proposed method enables online mode switching and probabilistic fusion under varying contact conditions. Extensive simulations and real-world experiments demonstrate that the proposed method achieves superior pose estimation accuracy over state-of-the-art methods while maintaining comparable computational efficiency.
• Abstract（参考訳）: 脚付きロボットの状態推定は、通常、脚付きオドメトリーは観測可能性に限界があるため、ドリフトを抑制するための測定制約に批判的に依存するため、依然として困難である。 外部受容センサーが信頼できない、または劣化している場合、このような制約は主に、主に受容性測定、特に接触関連脚運動学情報から導かれる。 しかし、既存の主受容オドメトリー法の多くは、実際の移動中にしばしば違反される理想化された点接触仮定に依存している。 その結果, 受容性制約の有効性は著しく低下し, 推定精度が低下することがわかった。 これらの制約に対処するため,本研究では,対話型マルチモデル(IMM)を用いた脚型ロボットのプロテアーゼオドメトリーフレームワークを提案する。 統合された確率的枠組みに複数の接触仮説を組み込むことにより,様々な接触条件下でのオンラインモード切替と確率的融合を可能にする。 大規模シミュレーションと実世界の実験により,提案手法は同等の計算効率を維持しつつ,最先端手法よりも優れたポーズ推定精度が得られることを示した。

関連論文リスト

• Geometrically Plausible Object Pose Refinement using Differentiable Simulation [2.833580209528223]
  最先端オブジェクトのポーズ推定手法は、幾何学的に不可能なポーズ仮説を生成する傾向にある。 本稿では, 微分可能な物理シミュレーション, 微分可能なレンダリング, ビジュオ触覚を併用したマルチモーダルポーズ改善手法を提案する。
  論文  参考訳（メタデータ） (2026-03-22T00:24:14Z)
• Adaptive Manipulation Potential and Haptic Estimation for Tool-Mediated Interaction [14.888648782445694]
  本稿では,ツール間相互作用の統一表現として,パラメータ化された平衡マニフォールド(EM)を提案する。 我々は,ハプティック推定,オンライン計画,適応剛性制御を統合したクローズドループフレームワークを開発した。 このフレームワークはシミュレーションと260以上の現実世界のスクリューロージング試験によって検証されている。
  論文  参考訳（メタデータ） (2026-03-11T02:57:55Z)
• The Eminence in Shadow: Exploiting Feature Boundary Ambiguity for Robust Backdoor Attacks [51.468144272905135]
  深層ニューラルネットワーク(DNN)は、バックドア攻撃に対して脆弱なままでも重要なアプリケーションを支える。 バックドア攻撃を標的とした理論的解析を行い,不均質なモデル操作を実現するための疎い決定境界に着目した。 エミネンス(Eminence)は、理論的な保証と固有なステルス特性を持つ、説明可能で堅牢なブラックボックスバックドアフレームワークである。
  論文  参考訳（メタデータ） (2025-12-11T08:09:07Z)
• Deconstructing Intraocular Pressure: A Non-invasive Multi-Stage Probabilistic Inverse Framework [0.0]
  緑内障は眼圧上昇(IOP)による可逆性失明の主因である 非侵襲的に測定不能な変数をスパースなルーチンデータから推定するフレームワークを開発する。 本フレームワークは, 直接物理機器に匹敵する精度で, 最先端のトノグラフィーと良好な一致を実現している。
  論文  参考訳（メタデータ） (2025-09-17T16:50:23Z)
• On Minimax Estimation of Parameters in Softmax-Contaminated Mixture of Experts [66.39976432286905]
  ゲーティングおよびプロンプトパラメータの最大極大推定器の収束率について検討する。 事前学習したモデルと重なり合う知識を取得すると,これらのパラメータの推定可能性が損なわれることがわかった。
  論文  参考訳（メタデータ） (2025-05-24T01:30:46Z)
• Flexible Nonparametric Inference for Causal Effects under the Front-Door Model [2.6900047294457683]
  本研究では, 平均治療効果, 平均治療効果の両面から, 新規な1段階, 目標最小損失ベース推定装置を開発した。 我々の推定器は観測されたデータ分布のパラメータ化に基づいて構築され、メディエータ密度を完全に回避するアプローチを含む。 因果効果推定器の効率を向上させるためにこれらの制約をどのように活用できるかを示す。
  論文  参考訳（メタデータ） (2023-12-15T22:04:53Z)
• Measuring and Modeling Uncertainty Degree for Monocular Depth Estimation [50.920911532133154]
  単分子深度推定モデル(MDE)の本質的な不適切さと順序感性は、不確かさの程度を推定する上で大きな課題となる。 本稿では,MDEモデルの不確かさを固有確率分布の観点からモデル化する。 新たなトレーニング正規化用語を導入することで、驚くほど単純な構成で、余分なモジュールや複数の推論を必要とせずに、最先端の信頼性で不確実性を推定できる。
  論文  参考訳（メタデータ） (2023-07-19T12:11:15Z)
• Convergence of uncertainty estimates in Ensemble and Bayesian sparse model discovery [4.446017969073817]
  ブートストラップに基づく逐次しきい値最小二乗推定器による雑音に対する精度と頑健性の観点から経験的成功を示す。 このブートストラップに基づくアンサンブル手法は,誤差率の指数収束率で,確率的に正しい可変選択を行うことができることを示す。
  論文  参考訳（メタデータ） (2023-01-30T04:07:59Z)
• Constrained multi-objective optimization of process design parameters in settings with scarce data: an application to adhesive bonding [48.7576911714538]
  接着プロセスに最適なプロセスパラメータを見つけることは困難である。 遺伝的アルゴリズムのような伝統的な進化的アプローチは、その問題を解決するのに不適である。 本研究では,目的関数と制約関数をエミュレートするために,特定の機械学習手法をうまく応用した。
  論文  参考訳（メタデータ） (2021-12-16T10:14:39Z)
• The Variational Method of Moments [65.91730154730905]
  条件モーメント問題は、観測可能量の観点から構造因果パラメータを記述するための強力な定式化である。 OWGMMの変動最小値再構成により、条件モーメント問題に対する非常に一般的な推定器のクラスを定義する。 同じ種類の変分変換に基づく統計的推測のためのアルゴリズムを提供する。
  論文  参考訳（メタデータ） (2020-12-17T07:21:06Z)

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。