論文の概要: OmniCalib: Target-Free, Task-Structured Self-Calibration for Humanoid Robots
- arxiv url: http://arxiv.org/abs/2609.19582v2
- Date: Fri, 18 Sep 2026 03:50:51 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-21 18:40:16.710757
- Title: OmniCalib: Target-Free, Task-Structured Self-Calibration for Humanoid Robots
- Title（参考訳）: OmniCalib:ヒューマノイドロボットの目標自由・タスク構造化自己校正
- Abstract要約: 既存の手順は1つのセンサーペアを校正するか、外部のフィデューシャルを必要とする。
オムニカリブ(OmniCalib)は、上肢全体を校正する標的のないワークフローである。
ICP法は14個の腕関節のゼロを復元し、全てのRGB-Dカメラの外装を校正する。
- 参考スコア（独自算出の注目度）: 8.073821380703784
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Assembly, wear, and component replacement perturb the sensor extrinsics and joint zeros encoded by a humanoid CAD model. Existing procedures calibrate one sensor pair or require external fiducials. Using only robot-native motion and onboard sensing, we present OmniCalib, a target-free workflow that calibrates the full upper limbs---all 14 arm joint zeros and the extrinsics of both wrist and chest cameras---as well as lower limbs and the multi-camera head rig. Each module matches a robot-native task to a parameter block, checks observability, and writes only supported corrections to the CAD model. Our depth ICP method recovers all 14 arm joint zeros and calibrates all RGB-D camera extrinsics without any calibration target. Relative to CAD, the estimated extrinsic corrections are 10.56 mm and 1.74 degrees for the left wrist, 6.33 mm and 1.25 degrees for the right wrist, and 9.81 mm and 0.929 degrees for the chest RGB-D camera. ICP point-to-plane residual is 2.09 mm. On the same injected offsets, ICP and ArUco recover all 14 joint zeros below the 0.1-degree encoder-resolution reference. On an AGIBOT A3 Ultra humanoid, four static double-support stances recover all 12 lower-limb joint-zero offsets injected with an RMS error of 0.063 degrees. The head module combines multi-camera visual odometry with legged odometry and dynamic compensation through the live ROS transform tree. Using only planar walking, it attains a mean SO(3) error of 1.061 degrees across three sequences. The best sequence reaches 0.775 degrees, competitive with iKalibr at 0.902 degrees from rich 6-DOF excitation. Rig-relative angles repeat within 0.140 degrees. Injection recovery and held-out tests validate each observable block.
- Abstract（参考訳）: 組立、着用、部品交換は、ヒューマノイドCADモデルで符号化されたセンサー外部と関節ゼロを摂動させる。
既存の手順は1つのセンサーペアを校正するか、外部のフィデューシャルを必要とする。
オムニカリブ(OmniCalib)は、ロボットネイティブな動きとオンボードセンシングのみを用いて、全上肢を校正する標的のないワークフローで、14個の腕関節ゼロと、手首と胸部のカメラの両方の外在性を持ち、下肢とマルチカメラヘッドリグも同時に提供する。
各モジュールは、ロボット固有のタスクをパラメータブロックにマッチさせ、可観測性をチェックし、CADモデルにサポート対象の修正のみを書き込む。
我々の深度ICP法は14個の腕関節ゼロを全て回収し、キャリブレーション対象を含まないRGB-Dカメラ外装を校正する。
CADに関しては、左手首は10.56mm、1.74度、右手首は6.33mm、1.25度、胸部RGB-Dカメラは9.81mm、0.929度と推定されている。
ICP点対面残差は2.09mmである。
同じインジェクションオフセットでは、ICPとArUcoは0.1度のエンコーダ分解能基準以下の14のジョイントゼロを復元する。
AGIBOT A3 ウルトラヒューマノイドでは、4つの静的二重支持姿勢がRMS誤差0.063度で注入された12個の下肢関節ゼロオフセットを復元する。
ヘッドモジュールは、マルチカメラ・ビジュアル・オドメトリーと脚付きオドメトリーと、ライブROS変換ツリーによる動的補償を組み合わせたものである。
平面歩行のみを用いることで、平均SO(3)誤差は3つのシーケンスで1.061度に達する。
最良のシーケンスは0.775度に達し、豊富な6-DOF励起から0.902度でiKalibrと競合する。
リグ相対角は0.140度以内で繰り返される。
インジェクションリカバリとホールドアウトテストは、それぞれの観測可能なブロックを検証する。
関連論文リスト
- Contact-Constrained Lower-Limb Joint-Offset Calibration for Humanoid Robots [4.637705968841629]
本報告では,車載継手エンコーダと骨盤装着型IMUのみを利用した自己完結型校正フレームワークを提案する。
ヘッセン固有構造解析は、平行ピッチ軸が回転結合を誘導することを示している。
立位姿勢膝は、残りの弱ピッチチェーン分解をアンカーする。
論文 参考訳（メタデータ） (2026-09-02T08:51:37Z) - Differential 6-DOF Pose Estimation with Provable First-Order Immunity to Camera Calibration Errors [39.41872679860813]
従来の3D-2D手法では、絶対的なカメラポーズを毎回独立して推定し、カメラからプラットフォームへのポーズを通してプラットフォームの動きを復元する。
本稿では,フレーム間画像変位と既知の3次元制御点からプラットフォームの動きを直接復元する差分ポーズ推定手法を提案する。
回転誤差は、キャリブレーション誤差、動き、大きさ、観察幾何学によって決定される有界摂動を誘導する一方で、外在誤差が正確にキャンセルされることを証明した。
論文 参考訳（メタデータ） (2026-08-05T10:36:04Z) - Direct Clinical Joint Angle Extraction from Parametric Body Model Rotation Matrices [0.0]
身体モデルから臨床関節角度を直接読み取ることができることを示す。
この方法では、ビデオ自体以外のレコード毎の入力は不要である。
遠隔リハビリテーションや大規模分権的な研究に至るまで、移動分析が現実的なところを広げている。
論文 参考訳（メタデータ） (2026-07-20T07:47:56Z) - Amplifying, Not Learning: Fine-Tuned AI Text Detectors Amplify a Pretrained Direction [51.56484100374058]
テキスト検出器は、事前訓練された典型軸を増幅する。
タスク監督前の生エンコーダでは、3つのアーキテクチャでNYT-vs-HC3 AUROC 0.806/0.944/0.834を達成する。
RoBERTaベースでは、生のプロジェクションは微調整を超えるが、RoBERTaベースでは、フル微調整は、試験された流線型人口の双方で生よりも識別を小さくする。
論文 参考訳（メタデータ） (2026-05-20T19:08:38Z) - PRISM: Differentiable Analysis-by-Synthesis for Fixel Recovery in Diffusion MRI [1.3063136334195184]
この研究は、多部構成のフォワードモデルとエンドツーエンドの脳脊髄モデルに適合する、微分可能な分析バイシンセシスフレームワークを紹介します。
PRISMは高速MSE目標と情報無しで共同で学習するリッチ陰性対数類似度(NLL)をサポートする。
PRISMは、95%のリコールが最良基準線よりも1.9倍低い3.5度の角誤差を達成している。
論文 参考訳（メタデータ） (2026-03-31T21:22:49Z) - SurgCalib: Gaussian Splatting-Based Hand-Eye Calibration for Robot-Assisted Minimally Invasive Surgery [14.264710991558124]
本稿では,ダ・ヴィンチ手術ロボットの手眼校正のためのガウススプラッティング方式のフレームワークを提案する。
視覚誘導型ロボットシステムでは、ロボットベースとカメラフレーム間の剛性変換の正確な推定が、信頼できる閉ループ制御に不可欠である。
論文 参考訳（メタデータ） (2026-03-09T22:17:02Z) - Geometry OR Tracker: Universal Geometric Operating Room Tracking [61.399734016038614]
手術室(OR)では、世界規模のマルチビュー3Dトラッキングは、外科医の行動認識のような下流のアプリケーションをサポートする。
カメラのキャリブレーションとRGB-Dの登録は常に信頼性が低く、幾何学的不整合が生じる。
我々は、不正確なキャリブレーションをスケール一貫性と幾何学的に整合したカメラ設定に修正する2段階パイプラインであるGeometry OR Trackerを紹介する。
論文 参考訳（メタデータ） (2026-02-28T09:21:21Z) - W-HMR: Monocular Human Mesh Recovery in World Space with Weak-Supervised Calibration [57.37135310143126]
モノクロ画像からの3次元運動回復のための従来の手法は、カメラ座標に依存するため、しばしば不足する。
W-HMRは、身体の歪み情報に基づいて「適切な」焦点長を予測する弱教師付き校正法である。
また,世界空間における可視的再構築のために,身体の向きを補正する OrientCorrect モジュールを提案する。
論文 参考訳（メタデータ） (2023-11-29T09:02:07Z) - Self-Calibrating Neural Radiance Fields [68.64327335620708]
キャリブレーション対象のないシーンの幾何学と正確なカメラパラメータを共同で学習する。
我々のカメラモデルは、ピンホールモデル、第4次ラジアル歪み、および任意の非線形カメラ歪みを学習可能な汎用ノイズモデルで構成されている。
論文 参考訳（メタデータ） (2021-08-31T13:34:28Z) - 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)
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。