論文の概要: A2I-Calib++: A Kinematics-Driven Anti-noise Active Calibration Framework for Whole-Body Multi-IMU Systems on Legged Robots
- arxiv url: http://arxiv.org/abs/2610.29438v1
- Date: Wed, 21 Oct 2026 08:59:51 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-23 00:40:06.297949
- Title: A2I-Calib++: A Kinematics-Driven Anti-noise Active Calibration Framework for Whole-Body Multi-IMU Systems on Legged Robots
- Title（参考訳）: A2I-Calib++:足ロボットにおける全身多IMUシステムのためのキネマティクス駆動型アンチノイズアクティブ校正フレームワーク
- Abstract要約: A2I-Calib++(A2I-Calib++)は、ロボットキネマティックモデルによってカバーされる体載IMUのための、キネマティックス駆動のアンチノイズアクティブキャリブレーションフレームワークである。
時間的変換、外在性、回転性、慣性バイアスを時間的相関を通じて推定し、次いで空間的バイアスを推定する。
- 参考スコア（独自算出の注目度）: 10.856645049957029
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recently, multi-node inertial measurement unit (multi-IMU) systems have shown promise for robust odometry in legged robots. Multi-IMU fusion can improve legged robot odometry but requires accurate spatiotemporal calibration among the sensors. Existing multi-IMU calibration methods, designed for aerial or handheld platforms, face challenges on legged robots because routine locomotion may provide insufficient excitation, while foot slips, impacts, and vibrations introduce measurement disturbances. To address these challenges, we propose A2I-Calib++, a kinematics-driven anti-noise active calibration framework for body-mounted IMUs covered by the robot kinematic model. It estimates temporal offsets, extrinsic rotations and translations, and inertial biases through temporal correlation search followed by analytic spatial and bias estimation, without artificial calibration targets or complex parameter tuning for the target IMU. A2I-Calib++ comprises three core modules: 1) a Noise-Isotropy-Inspired Trajectory supported by a finite-horizon conditioning proposition that generates sufficient excitation to limit noise sensitivity; 2) a constraint-aware Adversarial Motion Priors controller that combines the anti-noise excitation with a rolling-contact reward for contact-aware execution; and 3) a contact-constrained virtual IMU that fuses pre-calibrated calf IMUs and joint kinematics under a rolling-contact model to construct the calibration reference. Furthermore, evaluations on both simulation and real-world quadruped platforms demonstrate notably reduced noise sensitivity and simulation calibration errors compared to conventional methods, together with repeatable real-world calibration and improved proprioceptive odometry accuracy for legged robots.
- Abstract（参考訳）: 近年,マルチノード慣性測定装置 (multi-IMU) システムでは,脚付きロボットの頑健な計測が期待されている。
マルチIMU融合は、足のロボットの身体計測を改善することができるが、正確な時空間キャリブレーションが必要である。
空中またはハンドヘルドプラットフォーム用に設計された既存のマルチIMUキャリブレーション手法は、通常の移動が不十分な励振をもたらす可能性があるため、脚付きロボットに課題に直面し、足のすべり、衝撃、振動は測定障害をもたらす。
これらの課題に対処するために,ロボットキネマティックモデルによりカバーされた体載型IMUに対して,キネマティックス駆動のアクティブキャリブレーションフレームワークであるA2I-Calib++を提案する。
時間的オフセット、外在回転、翻訳、時間的相関探索による慣性バイアス、および解析的空間およびバイアス推定を、人工的なキャリブレーションターゲットや、ターゲットIMUの複雑なパラメータチューニングなしで推定する。
A2I-Calib++は3つのコアモジュールから構成される。
1) 雑音の感度を制限するのに十分な励起を生成する有限水平条件付き提案により支持される騒音等方性誘導軌道
2 防音の励振と接触対応実行のための転がり接触報酬を併用した制約対応逆運動優先制御装置
3)カーフIMUと関節キネマティクスを転動接触モデルで融合させて校正基準を構築する接触拘束仮想IMU。
さらに、シミュレーションと実世界の四足歩行プラットフォームによる評価は、従来の手法と比較して明らかにノイズ感度とシミュレーションキャリブレーション誤差を低減し、再現可能な実世界のキャリブレーションと、脚付きロボットのプロリオセプティブ・オドメトリー精度を改善した。
関連論文リスト
- Visual-Inertial Odometry for Ground Robots with Dynamic Camera-IMU Extrinsic Calibration [7.597626621185892]
Denavit-Hartenberg 法に基づく動的カメラ-IMU外装キャリブレーション法を提案する。
初期関節角度を効率的に推定する2段階戦略を開発した。
シミュレーション実験により,提案フレームワークはカメラ-IMU外部パラメータの変動に効果的に対応可能であることが示された。
論文 参考訳（メタデータ） (2026-10-18T16:52:03Z) - LAG-IO: Multi-IMU State Estimation for Legged Robots Using Factor Graphs [15.736421645510996]
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。
論文 参考訳（メタデータ） (2026-10-13T07:31:22Z) - PLS-Calib: A Partial Least Squares Framework for Event Camera and Odometry Calibration under Ground Motion Constraints [27.568640844773338]
既存のキャリブレーション技術のほとんどは、あらゆる自由度をエキサイティングするために6-DoFのフル動作に依存している。
PLS-Calib という新しい回転校正フレームワークを提案する。
我々は,最先端手法に比べてキャリブレーションの堅牢性と精度が著しく向上したことを示す。
論文 参考訳（メタデータ） (2026-08-04T08:07:07Z) - Stereo-Inertial Poser: Towards Metric-Accurate Shape-Aware Motion Capture Using Sparse IMUs and a Single Stereo Camera [54.967647497048205]
本稿では,距離精度と形状を考慮した3次元動作を推定するリアルタイムモーションキャプチャシステムであるStereo-Inertial Poserを提案する。
モノクラーRGBをステレオビジョンに置き換え、直接3次元キーポイント抽出と形状パラメータ推定を可能にした。
ドリフトフリーなグローバル翻訳を長い記録時間で生成し,フットスケート効果を低減させる。
論文 参考訳（メタデータ） (2026-03-02T17:46:38Z) - CRoSS: A Continual Robotic Simulation Suite for Scalable Reinforcement Learning with High Task Diversity and Realistic Physics Simulation [46.950823663585425]
継続的な強化学習では、エージェントは以前取得したポリシーを忘れずに一連のタスクから学ぶ必要がある。
本稿では,ガゼボシミュレータで現実的にシミュレーションされたロボットをベースとしたCRLのための新しいベンチマークスイートを提案する。
論文 参考訳（メタデータ） (2026-02-04T18:54:26Z) - RobotDancing: Residual-Action Reinforcement Learning Enables Robust Long-Horizon Humanoid Motion Tracking [50.200035833530876]
RobotDancingはシンプルでスケーラブルなフレームワークで、残留する関節の目標を予測して、ダイナミックスの不一致を明示的に修正する。
複数分間の高エネルギー動作(ジャンプ、スピン、カートホイール)をトラッキングし、高いモーショントラッキング品質のハードウェアにゼロショットをデプロイする。
論文 参考訳（メタデータ） (2025-09-25T03:30:34Z) - 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-Visual-Inertial System: Analysis, Calibration and Estimation [26.658649118048032]
マルチビジュアル・慣性システム(MVIS)の状態を推定し,センサ融合アルゴリズムを開発した。
我々は、関連する視覚慣性センサーの完全な校正に興味を持っている。
論文 参考訳（メタデータ） (2023-08-10T02:47:36Z) - Rigid and non-rigid motion compensation in weight-bearing cone-beam CT
of the knee using (noisy) inertial measurements [4.4889330164039025]
不随意の主題運動は膝の重量に耐えるコーン ビームCTの人工物の主要な源です。
動作推定には慣性計測装置(IMU)を脚に装着することを提案する。
IMUに基づく3つの補正手法,すなわち剛性運動補正,非剛性2次元投影変形,非剛性3次元動的再構成を評価した。
論文 参考訳（メタデータ） (2021-02-24T17:19:32Z) - 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。