論文の概要: LAG-IO: Multi-IMU State Estimation for Legged Robots Using Factor Graphs

• arxiv url: http://arxiv.org/abs/2610.17870v1
• Date: Tue, 13 Oct 2026 07:31:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-17 08:28:13.254399
• Title: LAG-IO: Multi-IMU State Estimation for Legged Robots Using Factor Graphs
• Title（参考訳）: LAG-IO:因子グラフを用いた足ロボットのマルチIMU状態推定
• Abstract要約: LAG-IOは因子グラフに基づくマルチIMU状態推定フレームワークである。 メインボディIMU、複数の脚マウントIMU、およびスライドウインドウ最適化のジョイントエンコーダの計測結果を密に結合する。 平面軌道の精度を高め、観測不能な垂直偏差を低減し、不安定な接触時により滑らかな軌道遷移を提供する。
• 参考スコア（独自算出の注目度）: 15.736421645510996
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Robust proprioceptive state estimation is crucial for legged robots, particularly in challenging environments where exteroceptive sensors are unreliable. While traditional leg odometry typically relies on a single body-mounted inertial measurement unit (IMU) fused with leg kinematics via an extended Kalman filter (EKF), such methods are vulnerable to linearization errors and hard-contact assumptions, leading to severe drift during slippage or dynamic locomotion.In this paper, we propose LAG-IO, a factor graph-based multi-IMU state estimation framework that tightly couples measurements from a main body IMU, multiple leg-mounted IMUs, and joint encoders within a sliding-window optimization. To handle non-stationary foot-ground interactions, we introduce a continuous probabilistic contact detection module based on kernel density estimation (KDE), which adaptively scales the covariance of zero-velocity update (ZUPT) factors. Furthermore, kinematic relative position factors are formulated to structurally anchor the independent leg inertial states to the robot's main body. Experimental results on a quadruped robot across various unstructured terrains demonstrate that, compared to existing baselines, LAG-IO achieves higher planar trajectory accuracy, reduces unobservable vertical divergence, and provides smoother trajectory transitions during unstable contacts, while maintaining competitive attitude observability.
• Abstract（参考訳）: 脚のあるロボット、特に外部受動センサーが信頼できない環境において、ロバストな受動状態推定は不可欠である。 従来の脚計測法は, 単体搭載慣性測定ユニット (IMU) を拡張カルマンフィルタ (EKF) で融合させるのが一般的であるが, これらの手法は線形化誤差やハードコンタクトの仮定に弱いため, すべり面や動的移動時の激しいドリフトにつながる。 本研究では,ゼロ速度更新 (ZUPT) 因子の共分散を適応的にスケールするカーネル密度推定 (KDE) に基づく連続確率的接触検出モジュールを提案する。 さらに、運動的相対的位置因子を定式化し、独立脚慣性状態をロボット本体に構造的に固定する。 LAG-IOは、既存のベースラインと比較して、平面軌道の精度を高め、観測不能な垂直方向のばらつきを低減し、不安定な接触時によりスムーズな軌道遷移を提供しながら、競争姿勢の可観測性を維持できることを示した。

関連論文リスト

• Transolver-$σ$: Joint Spectral-Physical Subspace Modeling for Neural PDE Solving [53.58729034895666]
  Transolver-$は、結合スペクトル-物理部分空間モデリングに基づくニューラルPDEソルバである。 平均的な相対誤差を33.4%減らし、各基準に対して最強の基準線を上回り、最先端を達成している。
  論文  参考訳（メタデータ） (2026-09-29T11:24:19Z)
• 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)
• Seeing Through Occlusion: Deterministic Arm Kinematic Correction for Robot Teleoperation [6.979012378888037]
  本稿では,定数アーム長に基づく幾何制約を強制することにより,深度推定を改善するArm Kinematic Correction (AKC)法を提案する。 Vicon参照システムに対する実験的検証は、静的および動的関節運動の信頼性を示す。 その結果, AKCは信頼性の低い時間フィルタと組み合わせても, 長期的, 厳密な自己閉塞下では頑健性を高め, 解剖学的整合性を維持することが示唆された。
  論文  参考訳（メタデータ） (2026-06-17T16:20:10Z)
• Hypergraph-State Collaborative Reasoning for Multi-Object Tracking [63.32950991964095]
  複数の相関オブジェクト間の共同推論による動き推定を向上する協調推論フレームワークを提案する。 類似の運動状態を持つ物体同士を互いに拘束し、互いに洗練させることで、我々のフレームワークはノイズの軌道を安定させ、目標を遮蔽しても可塑性運動の連続性を推測する。
  論文  参考訳（メタデータ） (2026-04-14T12:37:39Z)
• 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)
• System Identification under Constraints and Disturbance: A Bayesian Estimation Approach [5.58001571731715]
  本稿では,ロボットの状態軌跡と物理パラメータを高精度に推定するためのベイズシステム同定(SysID)フレームワークを提案する。 物理的に一貫した逆ダイナミクス、接触とループ閉鎖の制約を組み込んでおり、関節摩擦モデルを完全にハードでステージワイドな等式制約として特徴付ける。
  論文  参考訳（メタデータ） (2026-02-18T10:45:30Z)
• Spatial-Temporal Graph Diffusion Policy with Kinematic Modeling for Bimanual Robotic Manipulation [88.83749146867665]
  既存のアプローチは、遠く離れた次のベストなエンドエフェクタのポーズを予測するポリシーを学びます。 すると、運動に対する対応する関節回転角を逆運動学を用いて計算する。 本稿では,Kinematics 拡張空間テンポアル gRaph diffuser を提案する。
  論文  参考訳（メタデータ） (2025-03-13T17:48:35Z)
• 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)
• 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)
• 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。