論文の概要: FOCUS: Foot Observation Confidence for Robust Humanoid Proprioceptive Odometry
- arxiv url: http://arxiv.org/abs/2609.02222v1
- Date: Wed, 02 Sep 2026 07:34:55 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-03 17:53:18.135782
- Title: FOCUS: Foot Observation Confidence for Robust Humanoid Proprioceptive Odometry
- Title（参考訳）: FOCUS:ロバスト・ヒューマノイド・プロプライオセプティブ・オドメトリーにおける足の観察信頼度
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 4.918768564334209
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Foot forward kinematics (FK) is widely used to improve proprioceptive legged odometry by providing reliable velocity constraints during foot support. Existing contact-aided estimators generally rely on binary contact decisions to determine whether the FK measurements of an entire foot should be trusted. However, contact does not necessarily imply FK reliability. Dynamic locomotion often involves partial support, toe dragging, and foot slip, causing binary contact decisions to accumulate significant drift over long trajectories. To address this limitation, we propose FOCUS (Foot Observation Confidence from Unannotated Simulation), which predicts a continuous FK reliability weight for each foot instead of estimating binary foot contact. Rather than replacing the model-based estimator, the predicted reliability weights are used to blend FK velocity observations with IMU-propagated body velocity and to adapt the observation covariance of an extended Kalman filter (EKF), enabling smooth reliability-aware fusion without hard contact switching. The network is trained from automatically generated simulation signals using an FK-weighted velocity consistency loss with lightweight simulator-contact regularization, without manually annotated continuous FK-reliability labels. The deployed model relies only on IMU and joint kinematic measurements, making it suitable for hardware platforms with unreliable torque sensing. Experiments demonstrate that FOCUS reduces absolute trajectory error (ATE) by 83.7% on simulated walking episodes, preserves simulated dynamic-motion fidelity in motion scale and spectral energy, reduces ATE by 70.8% across 19 real walking segments, and reduces mean ATE by 42.7% across four real dynamic-motion routines.
- Abstract（参考訳）: フットフォワード・キネマティクス (FK) は、足の支持中に信頼性の高い速度制約を提供することで、脚の伸展性ドメトリーを改善するために広く用いられている。
既存の接触支援推定器は、足全体のFK測定が信頼されるべきかどうかを判断するために、二元接触決定に依存するのが一般的である。
しかし、接触は必ずしもFKの信頼性を示唆するものではない。
動的移動は、しばしば部分的な支持、つま先引きずり、足のすべりを伴い、長い軌道上で大きなドリフトを蓄積する二点接触決定を引き起こす。
この制限に対処するため、二足接触を推定するのではなく、各足に対する連続的なFK信頼性重みを予測できるFOCUS(Foot Observation Confidence from Unannotated Simulation)を提案する。
モデルベース推定器を置き換えるのではなく、予測された信頼性重みを用いて、FK速度観測とIMU伝搬体速度をブレンドし、拡張カルマンフィルタ(EKF)の観測共分散を適応し、ハードコンタクト切替なしにスムーズな信頼性の高い融合を可能にする。
ネットワークは、手動で注釈付けされた連続FK信頼性ラベルを使わずに、FK重み付き速度整合損失と軽量シミュレータ接触正規化を用いて、自動的に生成されたシミュレーション信号から訓練される。
展開されたモデルはIMUと関節キネマティック測定のみに依存しており、信頼性の低いトルクセンシングのハードウェアプラットフォームに適している。
実験により、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%削減し、運動スケールとスペクトルエネルギーにおいてシミュレーションされた動的運動の忠実さを保ち、実際の19個の歩行セグメントでATEを70.8%削減し、4つの実際の動的運動ルーチンで平均 ATEを42.7%削減した。
関連論文リスト
- IMU-Centric Moving Horizon Estimation for Lateral Dynamics Estimation Across Vehicles and Grip Conditions [40.68933034473117]
本稿では、標準搭載信号を用いて横方向の速度を再構成する慣性測定ユニット(IMU)中心の移動水平推定フレームワークを提案する。
人間駆動型スポーツカーと自律型オープンホイールレースカーの実験的検証は、正確で頑健な横速度と横加速度の推定値を示す。
論文 参考訳（メタデータ） (2026-09-09T14:05:17Z) - TRACE: Learned Proprioceptive Odometry for Legged Robots under Unreliable Contact Conditions [4.317571381146645]
脚付きロボットのための終末学習型主観性眼球運動量推定装置であるTRACE(Tokenized Robust Attention for Contact-Aware Estimation)を提案する。
提案した推定器は,近年の慣性・関節計測の歴史から,相対変位,相対回転,体軸速度を直接予測する。
信頼性の低い接触条件下でのロバスト性向上のために,IMUおよび脚の運動トークンを適応的に重み付けする足認識型クロスアテンションモジュールを導入する。
論文 参考訳（メタデータ） (2026-08-06T12:53:33Z) - Online Learning of Robust Legged Odometry with Minimal Exteroceptive Supervision [7.541859903866144]
工業的にパッケージされた外部受動的センサーは正確なモーショントラッキングを提供することができるが、知覚的に劣化した状況に弱いままである。
プラグアンドプレイで頑健な脚型オドメトリーシステムを開発し,外受容・プロプリセプティブ・キャリブレーションやシステムキネマティック・モデリングの必要性を排除した。
プラットフォームに依存しない、容易にデプロイ可能なアプローチを、異なる4つのプラットフォームに示す。
論文 参考訳（メタデータ） (2026-06-19T18:20:55Z) - MimicIK: Real-Time Generative Inverse Kinematics from Teleoperation with FK Consistency [25.059681949019488]
逆運動学(Inverse Kiinematics, IK)は、リアルタイムロボット操作において重要なボトルネックである。
MimicIKは、遠隔操作のデモンストレーションからスムーズで堅牢な共同空間運動を学習するリアルタイム生成逆キネマティクスフレームワークである。
MimicIKの平均位置誤差は4.65mm、成功率10mmは92.01%、軌道スパイクレートは7.99%である。
論文 参考訳（メタデータ） (2026-06-13T06:32:08Z) - 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) - 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) - SCALE:Scalable Conditional Atlas-Level Endpoint transport for virtual cell perturbation prediction [46.645872209565574]
仮想セル摂動予測のための大規模基盤モデルを提案する。
まず、データスループットを大幅に改善するBioNeMoベースのトレーニングおよび推論フレームワークを構築します。
第二に、摂動予測を条件付き輸送として定式化し、それをセットアウェアフローアーキテクチャで実装する。
第3に,生物学的に有意な指標に基づく厳密なセルレベルプロトコルを用いて,Tahoe-100Mのモデルを評価する。
論文 参考訳（メタデータ） (2026-03-18T05:51:08Z) - Safe Whole-Body Loco-Manipulation via Combined Model and Learning-based Control [46.47619556874003]
そこで本研究では,マニピュレータアームのモデルベースアプタンス制御と足歩行の強化学習ポリシを組み合わせた全身制御を提案する。
アクセタンスコントローラは、物理的相互作用中に人間によって適用されるような外部レンチを、望ましいエンドエフェクタ速度にマッピングし、従順な振る舞いを可能にする。
6-DoFアームと手首に装着した6-DoF Force/Torqueセンサーを備えたUnitree Go2四足歩行ロボットを用いて,シミュレーションとハードウェアの両方におけるアプローチを検証する。
論文 参考訳（メタデータ） (2026-03-02T22:31:12Z) - CONFIDE: Hallucination Assessment for Reliable Biomolecular Structure Prediction and Design [46.12506067241116]
本稿では,位相的フラストレーションを定量化する自己評価尺度であるCODE(Chain of Diffusion Embeddings)を提案する。
エネルギー的およびトポロジ的視点を組み合わせた統合評価フレームワークであるCONFIDEを提案する。
データ駆動の埋め込みと理論的な洞察を組み合わせることで、CODEとConFIDEは、幅広い生体分子システムで既存の指標より優れています。
論文 参考訳（メタデータ） (2025-11-20T03:38:46Z) - Continuous Decoding of Daily-Life Hand Movements from Forearm Muscle
Activity for Enhanced Myoelectric Control of Hand Prostheses [78.120734120667]
本研究では,前腕のEMG活性をハンドキネマティクスに連続的にマップする,長期記憶(LSTM)ネットワークに基づく新しい手法を提案する。
私たちの研究は、この困難なデータセットを使用するハンドキネマティクスの予測に関する最初の報告です。
提案手法は, 人工手指の複数のDOFの独立的, 比例的アクティベーションのための制御信号の生成に適していることが示唆された。
論文 参考訳（メタデータ） (2021-04-29T00:11:32Z) - 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。