論文の概要: OCELOT: Odometry and Contact Estimation for Legged Robots

• arxiv url: http://arxiv.org/abs/2605.21863v1
• Date: Thu, 21 May 2026 01:19:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-22 16:35:42.04956
• Title: OCELOT: Odometry and Contact Estimation for Legged Robots
• Title（参考訳）: OCELOT:脚ロボットのオドメトリーと接触推定
• Abstract要約: Error-State EKF(ESEKF)に基づく完全脚計測パイプラインを提案する。 コントリビューションの核心は、融合接触検出と不確実な定量化モジュールである。 以上の結果から,提案手法の有効性が示唆された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: One of the significant challenges in legged robotics is achieving accurate odometry using only onboard proprioceptive sensors. In this study, we present a complete leg odometry pipeline based on an Error-State EKF (ESEKF) that relies exclusively on proprioceptive data: a body fixed IMU, joint encoders, and force sensors, where filter's state is corrected by feet determined to be in a stationary stance. The core of our contribution is fused contact detection and an uncertainty quantification module designed to explicitly identify and reject slippage. This module runs two detectors in parallel for each foot, 1) a debounced, force-based Gaussian Mixture Model (GMM) guided Finite State Machine (FSM) to confirm physical contact, and 2) a kinematic-based Generalized Likelihood Ratio Test (GLRT) on the estimated velocity of the foot. The continuous quality scores from both estimators are fused to detect if the foot is both physically loaded and kinematically stationary and served as an uncertainty signal for each contact. To validate our approach, we collected a multi-modal dataset of 29 sequences spanning diverse indoor and outdoor terrains (e.g., concrete, grass, pebble, and rock) total of 2.4 km long. We benchmarked our approach against both proprioceptive and exteroceptive methods. The results demonstrate our method's efficacy in providing accurate odometry estimates, robustly handling slippage-prone environments. We also share our code and real-time ROS2 package as open-source.
• Abstract（参考訳）: 脚付きロボット工学における重要な課題の1つは、搭載された受容型センサーのみを使用して正確なオドメトリーを実現することである。 本研究では, 身体固定型IMU, 関節エンコーダ, 力覚センサのみに依存したError-State EKF (ESEKF) を用いた完全脚計測パイプラインを提案する。 当社のコントリビューションの核心は、接触検出と、すべりの特定と拒絶を明示するために設計された不確実性定量化モジュールである。 このモジュールは、各足に平行に2つの検出器を走らせる。 1) パワーベースガウス混合モデル(GMM)が有限状態機械(FSM)を誘導し、物理的接触を確認した。 2) 足の速度を推定して, 運動量に基づく一般化等比検定(GLRT)を行った。 両推定器からの連続的な品質スコアは、足が物理的に装填され、運動的に静止していることを検知するために融合され、各接触に対する不確実性信号として機能する。 提案手法を検証するために,屋内および屋外の多様な地形(例:コンクリート,草,小石,岩)にまたがる29の配列のマルチモーダルデータセットを総延長2.4kmで収集した。 プロテアーゼとエキセプティブの両方法に対して,我々のアプローチをベンチマークした。 以上の結果から, すべり発生環境を頑健に処理し, 精度の高いオドメトリー推定を行う方法の有効性が示された。 コードとリアルタイムのROS2パッケージもオープンソースとして公開しています。

関連論文リスト

• Freezing of Gait Prediction Under Spatial Occlusion: An IMU-Supervised Cross-Modal Distillation Approach [0.0]
  パーキンソン病(英: Parkinson disease)は、運動制御の段階的な低下を特徴とする進行性神経変性疾患である。 自動フリーズ・オブ・ゲイト(FOG)検出は歩行関連運動障害の客観的評価を支援する。 FOG予測には, (i) 患者の動作の映像記録を分析し, (ii) 下肢に装着した慣性計測装置(IMU) ウェアラブルセンサを用いて収集したデータを解析する。 ビデオベースのアプローチは、下肢が相当な幾何学的自己閉塞を受けており、ポーズ推定の精度が低下するため、連続的なターン・イン・プレイス・タスク中に検出エラーを被る可能性がある。
  論文  参考訳（メタデータ） (2026-09-09T07:29:13Z)
• FOCUS: Foot Observation Confidence for Robust Humanoid Proprioceptive Odometry [4.918768564334209]
  既存の接触支援型推定器は、足全体のFK測定を信頼すべきかどうかを決定するために二点接触決定に依存している。 本稿では,二足接触を推定する代わりに,各足のFK信頼度を連続的に予測するFOCUSを提案する。 FOCUSは、シミュレーションされた歩行エピソードにおいて絶対軌道誤差(ATE)を83.7%削減することを示した。
  論文  参考訳（メタデータ） (2026-09-02T07:34:55Z)
• Event-Based Motion Estimation via Oriented Distance Fields [55.23416502666468]
  イベントベースの動き推定は、高時間分解能と高速動作に対する堅牢性を必要とするタスクの中心である。 本稿では,この最適化を,事前計算された事象距離ベクトルの場上の1つの平均ステップに置き換える,オブジェクト指向距離場運動推定(ODF Motion Estimation)を提案する。 公開および自己収集されたデータセットでは,ODFの動作推定は,比較手法の中で最低レイテンシでサブピクセル精度に達する。
  論文  参考訳（メタデータ） (2026-08-25T08:27:42Z)
• Uncertainty-aware damage identification in short-span bridges via physics-informed variational autoencoder [0.4893345190925178]
  本研究は,構造的健康モニタリングのための物理インフォームドガウスコーパス変分オートエンコーダを提案する。 我々は、潜伏変数の従来の独立性仮定をガウスコプラに置き換える。 その結果、PI-VAEは真の後部分布を正確に回復し、77.2%のカバレッジを達成した。
  論文  参考訳（メタデータ） (2026-07-06T13:02:36Z)
• FLORO: A Multimodal Geospatial Foundation Model for Ecological Remote Sensing Across Sensors and Scales [65.4821703903285]
  FLOROは、小さなが高度に多様なリモートセンシングコーパスから転送可能な表現を学習するために設計されたマルチモーダル基礎モデルである。 FLOROは、Sentinel-1、Sentinel-2、SkySAT画像、標高、UAV由来のデータとの不均一な組み合わせによるマスク付きオートエンコーディングを用いて事前訓練される。 我々は、シーン分類、セグメンテーション、回帰タスクにまたがる凍結エンコーダプロトコルを用いて、PANGAEAベンチマーク上でFLOROを評価した。
  論文  参考訳（メタデータ） (2026-05-27T08:55:54Z)
• Tensegrity Robot Endcap-Ground Contact Estimation with Symmetry-aware Heterogeneous Graph Neural Network [16.823879279044252]
  本稿では,主観的測定から直接接触状態を推定する対称性を考慮したヘテロジニアスグラフニューラルネットワーク(Sym-HGNN)を提案する。 このネットワークは、ロボットの2面対称性$D_3$をメッセージパッシングプロセスに組み込んで、サンプル効率と一般化を強化する。
  論文  参考訳（メタデータ） (2026-03-03T04:45:43Z)
• Multi-Robot Relative Pose Estimation in SE(2) with Observability Analysis: A Comparison of Extended Kalman Filtering and Robust Pose Graph Optimization [1.0485739694839669]
  本研究では,相対的なポーズ推定の協調的局所化と可観測性分析に着目する。 ROS/Gazeboシミュレーションでは,4つのセンシング・通信構造について検討する。 ハードウェア実験では、UWBモジュールを備えた2つのTurtlebot3がロボット間の相対的なポーズ推定に使用される。
  論文  参考訳（メタデータ） (2024-01-27T06:09:56Z)
• AirIMU: Learning Uncertainty Propagation for Inertial Odometry [29.093168179953185]
  ストラップダウン慣性測定装置(IMU)を用いた慣性計測(IO)は多くのロボット応用において重要である。 データ駆動手法により不確実性、特に非決定論的誤差を推定するハイブリッド手法であるAirIMUを提案する。 ハンドヘルドデバイス,車両,および262kmの軌道をカバーするヘリコプターなど,さまざまなプラットフォーム上での有効性を実証する。
  論文  参考訳（メタデータ） (2023-10-07T17:08:22Z)
• Domain Adaptive Synapse Detection with Weak Point Annotations [63.97144211520869]
  弱点アノテーションを用いたドメイン適応型シナプス検出のためのフレームワークであるAdaSynを提案する。 I SBI 2023のWASPSYNチャレンジでは、我々の手法が第1位にランクインした。
  論文  参考訳（メタデータ） (2023-08-31T05:05:53Z)
• QuTE: decentralized multiple testing on sensor networks with false discovery rate control [93.1040521878626]
  本稿では、偽発見率(FDR)の証明可能な保証を備えたグラフ上での分散多重仮説検定法を設計する。 異なるエージェントが無向グラフのノードに存在し、各エージェントはそのノードに局所的な1つ以上の仮説に対応するp値を持つ。 各エージェントは、グラフ全体の大域的FDRが予め定義されたレベルで制御されなければならないという共同目的のもと、隣人とのみ通信することで、それぞれのローカル仮説の1つ以上の拒絶を個別に決めなければならない。
  論文  参考訳（メタデータ） (2022-10-09T19:48:39Z)
• Information Entropy Initialized Concrete Autoencoder for Optimal Sensor Placement and Reconstruction of Geophysical Fields [58.720142291102135]
  そこで本稿では,スパーク計測による地場再構成のためのセンサ配置の最適化について提案する。 本研究では, (a) 温度と (b) バレンツ海周辺の塩分濃度場とスバルバルド諸島群を例に示す。 得られた最適センサ位置は, 物理的解釈が明確であり, 海流の境界に対応することが判明した。
  論文  参考訳（メタデータ） (2022-06-28T12:43:38Z)
• TLIO: Tight Learned Inertial Odometry [43.17991168599939]
  IMUのみの状態推定のための密結合拡張カルマンフィルタフレームワークを提案する。 ヘッドセットからの歩行者データでトレーニングされた我々のネットワークは、統計的に一貫した測定と不確実性を生み出すことができる。
  論文  参考訳（メタデータ） (2020-07-06T03:13:34Z)
• Appearance Learning for Image-based Motion Estimation in Tomography [60.980769164955454]
  トモグラフィー画像では、取得した信号に擬似逆フォワードモデルを適用することにより、解剖学的構造を再構成する。 患者の動きは、復元過程における幾何学的アライメントを損なうため、運動アーティファクトが生じる。 本研究では,スキャン対象から独立して剛性運動の構造を認識する外観学習手法を提案する。
  論文  参考訳（メタデータ） (2020-06-18T09:49:11Z)

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。