論文の概要: Four Simple Proprioceptive Estimators for Legged Robots

• arxiv url: http://arxiv.org/abs/2605.23100v1
• Date: Thu, 21 May 2026 23:17:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-25 17:29:20.13292
• Title: Four Simple Proprioceptive Estimators for Legged Robots
• Title（参考訳）: 足ロボットのための4つの簡易受動的推定器
• Authors: Frank Dellaert, Chiyun Noh, Varun Agrawal, Ayoung Kim,
• Abstract要約: 脚のついたロボットはIMUを搭載しているが、一般向けのIMUはノイズが多いため慣性解はドリフトする。 本報告では,これを利用する脚型ロボット状態推定器のシリーズを新たに開発する。
• 参考スコア（独自算出の注目度）: 15.847214950652287
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Legged robots carry an IMU, but the inertial solution drifts because consumer-grade IMUs are noisy. However, the feet create intermittent contacts with the environment that can be used to mitigate that drift. This report develops a sequence of increasingly expressive legged robot state estimators that leverage this. In all cases, the floating-base state comprises attitude, position, velocity, and IMU biases. To model foot contacts, we start from the contact-aided invariant EKF of Hartley et al., albeit at a reduced contact update rate. This is then augmented by replacing the measurement update by a small factor graph. Finally, we turn the same factors into a fixed-lag smoother with contact-episode footholds, with and without an evolving IMU bias. To facilitate reproducibility and further research in proprioceptive legged odometry, all four variants are available in GTSAM (Dellaert et. al), and we additionally provide a ROS2-compatible implementation.
• Abstract（参考訳）: 脚のついたロボットはIMUを搭載しているが、一般向けのIMUはノイズが多いため慣性解はドリフトする。 しかし、足は、その漂流を緩和するために使用できる環境との断続的な接触を生み出す。 本報告では,これを利用する脚型ロボット状態推定器のシリーズを新たに開発する。 いずれの場合も、浮動小数点状態は姿勢、位置、速度、IMUバイアスを含む。 足の接触をモデル化するために,Hartleyらの接触支援不変EKFから始める。 これは、測定更新を小さな因子グラフに置き換えることで拡張される。 最後に,IMUバイアスを増大させることなく,接触面の足場を有する固定ラグのスムーズ化を図った。 GTSAM(Dellaert et al)では,再現性の向上とレガードオドメトリーのさらなる研究のために,全4変種が利用可能であり,ROS2互換の実装も提供する。

関連論文リスト

• OCELOT: Odometry and Contact Estimation for Legged Robots [0.0]
  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。
  論文  参考訳（メタデータ） (2026-05-21T01:19:30Z)
• 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)
• Coordinate Transformer: Achieving Single-stage Multi-person Mesh Recovery from Videos [91.44553585470688]
  ビデオから複数人の3Dメッシュを回収することは、バーチャルリアリティーや理学療法などにおけるグループ行動の自動認識に向けた重要な第一歩である。 本稿では,複数人物の時空間関係を直接モデル化し,同時にエンドツーエンドでマルチ・メッシュ・リカバリを行うコーディネート・トランスフォーマーを提案する。 3DPWデータセットの実験では、CoordFormerが最先端の精度を大幅に向上し、MPJPE、PAMPJPE、PVEの計測値でそれぞれ4.2%、8.8%、そして4.7%を上回った。
  論文  参考訳（メタデータ） (2023-08-20T18:23:07Z)
• Pose-Oriented Transformer with Uncertainty-Guided Refinement for 2D-to-3D Human Pose Estimation [51.00725889172323]
  本研究では,3次元ポーズ推定のための不確実性ガイド付き多目的変換器(POT)を提案する。 我々はまず,人骨のトポロジーを明示的に活用するために,新しいポーズ指向の自己注意機構と距離関連位置埋め込みを開発した。 本稿では,特に難解な関節に対するPOTからのポーズ予測を洗練させるために,不確実性誘導型リファインメントネットワーク(UGRN)を提案する。
  論文  参考訳（メタデータ） (2023-02-15T00:22:02Z)
• Transformer Inertial Poser: Attention-based Real-time Human Motion Reconstruction from Sparse IMUs [79.72586714047199]
  本研究では,6つのIMUセンサからリアルタイムに全体動作を再構築する,注意に基づく深層学習手法を提案する。 提案手法は, 実装が簡単で, 小型でありながら, 定量的かつ質的に新しい結果が得られる。
  論文  参考訳（メタデータ） (2022-03-29T16:24:52Z)
• DM-VIO: Delayed Marginalization Visual-Inertial Odometry [62.746533939737446]
  本稿では,遅延残差化とポーズグラフバンドル調整に基づく視覚慣性システムDM-VIOを提案する。 我々は,EuRoC,TUM-VI,および4Seasonsデータセットを用いて,空飛ぶドローン,大規模ハンドヘルド,自動車シナリオからなるシステムの評価を行った。
  論文  参考訳（メタデータ） (2022-01-11T18:30:37Z)
• VILENS: Visual, Inertial, Lidar, and Leg Odometry for All-Terrain Legged Robots [5.789654849162465]
  本報告では,足ロボットのための視覚的慣性ライダー脚ナビゲーションシステム(VILENS)について述べる。 重要な新規性は、信頼性の高い動作を実現するために、4つの異なるセンサーモードの密接な融合である。 最先端の疎結合アプローチと比較して, 平均62%の翻訳誤差と51%の回転誤差が改善した。
  論文  参考訳（メタデータ） (2021-07-15T11:05:00Z)
• Domain Adaptive Robotic Gesture Recognition with Unsupervised Kinematic-Visual Data Alignment [60.31418655784291]
  本稿では,マルチモダリティ知識,すなわちキネマティックデータとビジュアルデータを同時にシミュレータから実ロボットに伝達できる,教師なしドメイン適応フレームワークを提案する。 ビデオの時間的手がかりと、ジェスチャー認識に対するマルチモーダル固有の相関を用いて、トランスファー可能な機能を強化したドメインギャップを修復する。 その結果, 本手法は, ACCでは最大12.91%, F1scoreでは20.16%と, 実際のロボットではアノテーションを使わずに性能を回復する。
  論文  参考訳（メタデータ） (2021-03-06T09:10:03Z)
• Online Body Schema Adaptation through Cost-Sensitive Active Learning [63.84207660737483]
  この作業は、icubロボットシミュレータの7dofアームを使用して、シミュレーション環境で実行された。 コストに敏感な能動学習手法は最適な関節構成を選択するために用いられる。 その結果,コスト依存型能動学習は標準的な能動学習手法と同等の精度を示し,実行運動の約半分を減らした。
  論文  参考訳（メタデータ） (2021-01-26T16:01:02Z)
• 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)

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。