論文の概要: Proprioceptive Invariant State Estimation for Humanoid Robots on Non-Inertial Ground

• arxiv url: http://arxiv.org/abs/2606.19512v1
• Date: Wed, 17 Jun 2026 18:53:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-19 18:23:39.494063
• Title: Proprioceptive Invariant State Estimation for Humanoid Robots on Non-Inertial Ground
• Title（参考訳）: 非慣性地におけるヒューマノイドロボットの受動的不変状態推定
• Authors: Falak Mandali, Zijian He, Yan Gu,
• Abstract要約: 本論文では,非慣性地盤で動作するヒューマノイドロボットのリアルタイム状態推定のための不変拡張カルマンフィルタリング(InEKF)手法を提案する。 提案手法は,移動地フレームに対するロボットのベース位置と速度を,地上運動や外部搭載センサを直接計測することなく推定する。
• 参考スコア（独自算出の注目度）: 7.995784591589172
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper presents an invariant extended Kalman filtering (InEKF) approach for real-time state estimation of humanoid robots operating on non-inertial ground using only onboard proprioceptive sensing. The proposed approach estimates the robot's base position and velocity relative to the moving ground frame without requiring direct measurements of ground motion or externally mounted sensors. By exploiting kinematic constraints at the stance foot through foot-mounted IMUs, the filter accounts for ground-induced nonlinearities in the process and measurement models while remaining fully proprioceptive. The estimator is formulated to admit a right-invariant measurement model, enabling favorable error dynamics under large initial uncertainties. Observability analysis establishes conditions under which the robot's relative base position and velocity are observable with respect to the non-inertial ground frame. Experiments with the Digit humanoid robot standing and squatting atop a swaying and pitching ground showcase a 96% speedup in convergence rate and an 80% reduction in position estimate errors over existing InEKFs. Walking experiments on a uni-axially rotating ground achieve an average estimation error of less than 9 cm for an initial error of up to 1 m.
• Abstract（参考訳）: 本稿では,非慣性地で動作しているヒューマノイドロボットのリアルタイム状態推定に,オンボードプロバイオセプティブセンシングのみを用いた不変拡張カルマンフィルタリング(InEKF)手法を提案する。 提案手法は,移動地フレームに対するロボットのベース位置と速度を,地上運動や外部搭載センサを直接計測することなく推定する。 足に装着したIMUを通して姿勢の足の運動的制約を利用することで、このフィルターは、完全に受容性を維持しながら、プロセスおよび測定モデルにおける地面誘起非線形性を説明できる。 推定器は右不変の測定モデルを受け入れるように定式化され、大きな初期不確実性の下で良好な誤差力学を可能にする。 可観測性解析は、ロボットの相対的基底位置と速度が非慣性地上フレームに対して観測可能である条件を確立する。 Digitのヒューマノイドロボットを用いた実験では、傾きとピッチンググラウンドの上に浮かんでいると、コンバージェンスレートが96%向上し、既存のInEKFよりも80%の精度で位置推定誤差が減少する。 一軸回転する地上での歩行実験は、初期誤差が最大1mの9cm未満の平均推定誤差を達成する。

関連論文リスト

• Stretch-ICP: A Continuous-Trajectory Registration and Deskewing Algorithm in Scenarios of Aggressive Motions [6.270809447204512]
  不均一または滑りやすい地形における安定性の喪失は、極端な加速と角速度を引き起こす。 メカニカルライダーと慣性測定ユニット(IMU)が丘を転がり落ちる様子を収録したTumbling-induced Gyroscope Saturationデータセットを紹介した。 データセットには、類似データセットの最大4倍の角速度が含まれており、公開されている。
  論文  参考訳（メタデータ） (2026-05-17T05:13:18Z)
• Interacting Multiple Model Proprioceptive Odometry for Legged Robots [4.6777273139409195]
  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。
  論文  参考訳（メタデータ） (2026-03-31T07:51:42Z)
• Towards Scalable Probabilistic Human Motion Prediction with Gaussian Processes for Safe Human-Robot Collaboration [6.846949601451734]
  本研究では,フルボディ動作予測のための構造化変分ガウスプロセス(GP)フレームワークを提案する。 我々のモデルは、強いベースラインよりも最大50のカーネル密度推定負対数類似度(KDE NLL)を達成する。 確率的定式化にもかかわらず、我々のモデルは0.24-0.35Mのパラメータしか必要としない。
  論文  参考訳（メタデータ） (2026-03-07T08:11:46Z)
• Dual-quaternion learning control for autonomous vehicle trajectory tracking with safety guarantees [39.146761527401424]
  運動を運動論的に記述できる自律型ロボットプラットフォームのための学習型軌道追跡制御器を提案する。 コントローラは二重四元数フレームワークで定式化され、角速度と直線速度の直接の指令を仮定して速度レベルで動作する。
  論文  参考訳（メタデータ） (2026-01-06T15:30:02Z)
• Estimating Body and Hand Motion in an Ego-sensed World [62.61989004520802]
  頭部装着装置から人体の動きを推定するシステムであるEgoAlloについて述べる。 エゴセントリックなSLAMポーズとイメージのみを使用して、EgoAlloは条件付き拡散モデルからサンプリングを行い、3Dボディポーズ、高さ、手のパラメータを推定する。
  論文  参考訳（メタデータ） (2024-10-04T17:59:57Z)
• Aligning Human Motion Generation with Human Perceptions [51.831338643012444]
  本研究では,大規模人間の知覚評価データセットであるMotionPerceptと,人間の動作批判モデルであるMotionCriticを導入することにより,ギャップを埋めるデータ駆動型アプローチを提案する。 我々の批評家モデルは、運動品質を評価するためのより正確な指標を提供しており、容易に運動生成パイプラインに統合することができる。
  論文  参考訳（メタデータ） (2024-07-02T14:01:59Z)
• Virtual Inverse Perspective Mapping for Simultaneous Pose and Motion Estimation [5.199765487172328]
  移動ロボット搭載単眼カメラの地表面に対するポーズと動きの自動推定法を提案する。 このフレームワークは、機能ベースの方法と画像登録ベースの方法の両方の利点を生かした、セミセンスなアプローチを採用している。
  論文  参考訳（メタデータ） (2023-03-09T11:45:00Z)
• Particle-Based Score Estimation for State Space Model Learning in Autonomous Driving [62.053071723903834]
  マルチオブジェクト状態推定はロボットアプリケーションの基本的な問題である。 粒子法を用いて最大形パラメータを学習することを検討する。 自動運転車から収集した実データに本手法を適用した。
  論文  参考訳（メタデータ） (2022-12-14T01:21:05Z)
• SGCN:Sparse Graph Convolution Network for Pedestrian Trajectory Prediction [64.16212996247943]
  歩行者軌道予測のためのスパースグラフ畳み込みネットワーク(SGCN)を提案する。 具体的には、SGCNはスパース指向の相互作用をスパース指向の空間グラフと明確にモデル化し、適応的な相互作用歩行者を捉える。 可視化は,歩行者の適応的相互作用とその運動特性を捉えることができることを示す。
  論文  参考訳（メタデータ） (2021-04-04T03:17:42Z)
• 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)
• Pedestrian orientation dynamics from high-fidelity measurements [65.06084067891364]
  本研究では,歩行者の運動の一般的な物理的特性に基づいて学習するディープ・ニューラル・アーキテクチャに基づく新しい計測手法を提案する。 提案手法は, 誤差を7.5度まで低減し, 向きを推定できることを示す。 このツールは、方向が鍵となる人間の群集力学の研究において、新たな可能性を開く。
  論文  参考訳（メタデータ） (2020-01-14T07:08:31Z)

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。