論文の概要: CoCo-InEKF: State Estimation with Learned Contact Covariances in Dynamic, Contact-Rich Scenarios
- arxiv url: http://arxiv.org/abs/2605.15122v1
- Date: Thu, 14 May 2026 17:35:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-15 21:45:34.987131
- Title: CoCo-InEKF: State Estimation with Learned Contact Covariances in Dynamic, Contact-Rich Scenarios
- Title（参考訳）: CoCo-InEKF:ダイナミック・コンタクトリッチシナリオにおける学習された接触共分散による状態推定
- Authors: Michael Baumgartner, David Müller, Agon Serifi, Ruben Grandia, Espen Knoop, Markus Gross, Moritz Bächer,
- Abstract要約: CoCo-InEKFは、二元接触状態の代わりに連続接触速度共分散を利用する微分不変な拡張カルマンフィルタである。
我々は、接触候補点を予測するために状態エラー損失を用いて、エンドツーエンドで訓練された軽量ニューラルネットワークを用いる。
二足歩行ロボットの実験は、線形速度推定に優れた精度・効率のトレードオフを示す。
- 参考スコア（独自算出の注目度）: 10.290787487255301
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Robust state estimation for highly dynamic motion of legged robots remains challenging, especially in dynamic, contact-rich scenarios. Traditional approaches often rely on binary contact states that fail to capture the nuances of partial contact or directional slippage. This paper presents CoCo-InEKF, a differentiable invariant extended Kalman filter that utilizes continuous contact velocity covariances instead of binary contact states. These learned covariances allow the method to dynamically modulate contact confidence, accounting for more nuanced conditions ranging from firm contact to directional slippage or no contact. To predict these covariances for a set of predefined contact candidate points, we employ a lightweight neural network trained end-to-end using a state-error loss. This approach eliminates the need for heuristic ground-truth contact labels. In addition, we propose an automated contact candidate selection procedure and demonstrate that our method is insensitive to their exact placement. Experiments on a bipedal robot demonstrate a superior accuracy-efficiency tradeoff for linear velocity estimation, as well as improved filter consistency compared to baseline methods. This enables the robust execution of challenging motions, including dancing and complex ground interactions -- both in simulation and in the real world.
- Abstract（参考訳）: 脚付きロボットの動的動作に対するロバストな状態推定は、特に動的で接触に富むシナリオでは困難である。
従来のアプローチは、部分接触や方向滑りのニュアンスを捉えない二元接触状態に依存することが多い。
本稿では,二元接触状態の代わりに連続接触速度共分散を利用する,微分不変な拡張カルマンフィルタCoCo-InEKFを提案する。
これらの学習された共分散により、接触の信頼度を動的に調節することができ、接触の固い接触から方向のすべり、接触のない接触まで、より微妙な条件を考慮できる。
予め定義された接触候補点の集合に対するこれらの共分散を予測するために、状態エラー損失を用いてエンドツーエンドにトレーニングされた軽量ニューラルネットワークを用いる。
このアプローチは、ヒューリスティックな接点ラベルの必要性を排除する。
さらに,自動接触候補選択手法を提案し,提案手法が正確な配置に不感であることを実証した。
二足歩行ロボットの実験では、線形速度推定における精度・効率のトレードオフが向上し、ベースライン法と比較してフィルタの整合性が向上した。
これにより、ダンスや複雑な地面のインタラクションを含む、困難な動作を、シミュレーションと現実世界の両方で堅牢に実行することが可能になります。
関連論文リスト
- Unified Complementarity-Based Contact Modeling and Planning for Soft Robots [13.597188299981312]
本稿では,ソフトロボット接触モデリングと計画のための統合補完性に基づくフレームワークを提案する。
我々は,識別ソフトロボットに適した頑健な線形補完性問題 (LCP) モデルを開発した。
また,接触による動的軌道最適化を可能にする,キネマティック・ガイド付きウォームスタート戦略を導入する。
論文 参考訳（メタデータ） (2026-02-24T19:37:36Z) - A Unified Complementarity-based Approach for Rigid-Body Manipulation and Motion Prediction [12.241353619398899]
本稿では,単一形式(Unicomp)における自由運動と摩擦接触を連続的に捉えるロボット操作の数学的モデルを提案する。
実験結果から,提案手法は,接触に富む全身操作の操作から,タスク間の対話的な動作において,物理的に一貫した動作を可能にすることが示唆された。
論文 参考訳（メタデータ） (2026-02-04T13:10:57Z) - Learning Whole-Body Human-Humanoid Interaction from Human-Human Demonstrations [63.80827184637476]
D-STAR(D-STAR)は,行動すべき場所から行動すべき場所を乱す階層的な政策である。
広範かつ厳密なシミュレーションを通じて、我々のフレームワークを検証する。
論文 参考訳（メタデータ） (2026-01-14T14:37:06Z) - Semantic Communication for Cooperative Perception using HARQ [51.148203799109304]
我々は重要セマンティック情報を抽出するために重要地図を活用し、協調的な知覚セマンティックコミュニケーションフレームワークを導入する。
周波数分割多重化(OFDM)とチャネル推定と等化戦略を併用して,時間変化によるマルチパスフェーディングによる課題に対処する。
我々は,ハイブリッド自動繰り返し要求(HARQ)の精神において,我々の意味コミュニケーションフレームワークと統合された新しい意味エラー検出手法を提案する。
論文 参考訳（メタデータ） (2024-08-29T08:53:26Z) - Contact-aware Human Motion Generation from Textual Descriptions [57.871692507044344]
本稿では,テキストから3次元対話型人間の動作を生成する問題に対処する。
私たちは「Contact-Aware Texts」を表すRICH-CATという新しいデータセットを作成します。
そこで本研究では,テキストによる対話型人間の動作合成のためのCATMOという新しい手法を提案する。
論文 参考訳（メタデータ） (2024-03-23T04:08:39Z) - Multi-Agent Dynamic Relational Reasoning for Social Robot Navigation [50.01551945190676]
社会ロボットナビゲーションは、日常生活の様々な状況において有用であるが、安全な人間とロボットの相互作用と効率的な軌道計画が必要である。
本稿では, 動的に進化する関係構造を明示的に推論した系統的関係推論手法を提案する。
マルチエージェント軌道予測とソーシャルロボットナビゲーションの有効性を実証する。
論文 参考訳（メタデータ） (2024-01-22T18:58:22Z) - Contact-Aware Retargeting of Skinned Motion [49.71236739408685]
本稿では,自己接触を保存し,相互接続を防止する動作推定手法を提案する。
入力運動における自己接触と接地を同定し、出力骨格に適用するための動作を最適化する。
実験では,従来の手法を定量的に上回り,近年の成果よりも高い品質で再ターゲットされた動きを評価できるユーザスタディを実施している。
論文 参考訳（メタデータ） (2021-09-15T17:05:02Z) - Learning Reactive and Predictive Differentiable Controllers for
Switching Linear Dynamical Models [7.653542219337937]
専門家による実証から複合ダイナミクス行動を学習するためのフレームワークを提示する。
システムダイナミクスの近接近似としてスイッチング条件にエンコードされた接点を持つスイッチング線形ダイナミクスモデルを学ぶ。
次に、データ効率のよい制御学習のための微分可能なポリシークラスとして離散時間LQRを使用し、制御戦略を開発する。
論文 参考訳（メタデータ） (2021-03-26T04:40:24Z) - COCOI: Contact-aware Online Context Inference for Generalizable
Non-planar Pushing [87.7257446869134]
一般的なコンタクトリッチな操作問題は、ロボット工学における長年の課題である。
深層強化学習は、ロボット操作タスクの解決に大きな可能性を示している。
動的プロパティのコンテキスト埋め込みをオンラインにエンコードする深層RL法であるCOCOIを提案する。
論文 参考訳（メタデータ） (2020-11-23T08:20:21Z) - ContactNets: Learning Discontinuous Contact Dynamics with Smooth,
Implicit Representations [4.8986598953553555]
本手法は,物体間符号距離と接触フレームジャコビアンのパラメータ化を学習する。
提案手法は,60秒間の実世界のデータを用いて,現実的な影響,非ペネティフィケーション,スティクションを予測できる。
論文 参考訳（メタデータ） (2020-09-23T14:51:08Z)
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。