Resumen Técnico: Odometría Propioceptiva Anclada al Contacto (CAPO)

Planteamiento del Problema

La estimación precisa del estado (pose y velocidad) para robots con patas es crítica para la planificación de movimiento y el control estable. Si bien los sensores exteroceptivos (LiDAR, cámaras) acoplados con SLAM proporcionan retroalimentación global, a menudo son poco fiables en entornos desafiantes (por ejemplo, mala iluminación, partículas en suspensión, vegetación) y computacionalmente costosos para plataformas ligeras. Los métodos puramente propioceptivos, que dependen únicamente de la IMU y las mediciones de los motores, enfrentan desafíos significativos:

1. Deriva de la IMU: La doble integración de la aceleración conduce a una rápida deriva de posición y velocidad debido al sesgo y al ruido.
2. Sensores de articulación ruidosos: La diferenciación directa de los datos de los encoders introduce picos y ruido de cuantización, degradando las estimaciones de velocidad.
3. Ambigüedad de contacto: Determinar qué patas están en contacto fiable (fase de apoyo) frente a cuáles están en oscilación es difícil, especialmente bajo condiciones de terreno imperfectas.
4. Deriva de elevación y guiñada (yaw): El tránsito a largo plazo resulta en errores acumulados en la altura (elevación) y la orientación (guiñada), particularmente cuando las restricciones de la IMU se ven degradadas.

Metodología

El artículo propone CAPO (Odometría Propioceptiva Anclada al Contacto), un estimador de estado unificado aplicable a robots bípedos, cuadrúpedos y de patas con ruedas. La filosofía central es tratar los contactos con el suelo fiables como anclas cinemáticas para corregir intermitentemente el estado del robot.

1. Marco Unificado y Selección de Apoyo (Stance)

• Entradas: El sistema utiliza únicamente datos de la IMU (aceleración, velocidad angular) y mediciones de los motores (ángulos de articulación, velocidades y torques estimados).
• Detección de Apoyo: Una pata se considera en fase de apoyo si la componente vertical de la fuerza (wrench) estimada del pie (derivada de los torques de las articulaciones y el Jacobiano geométrico) cae por debajo de un umbral configurable. Se calcula una puntuación de confianza suave para gestionar las transiciones.
• Registro de Contacto (Footfall): Al detectar un evento de toque, se registra la posición del pie en el marco de referencia del mundo. Durante la fase de apoyo, este punto se trata como un ancla estacionaria en el marco del mundo. La posición del cuerpo del robot se infiere restando la cinemática actual del cuerpo de este ancla almacenada.

2. Estabilidad de Elevación: Agrupación de Altura (Height Clustering)

Para prevenir la deriva vertical a largo plazo, el sistema emplea una agrupación de altura ligera y corrección por decaimiento temporal:

• Las alturas de contacto se asocian con un conjunto de registros de planos de soporte.
• Las nuevas alturas de contacto se "ajustan" (snap) a los planos de soporte observados previamente dentro de una resolución configurable.
• Los pesos de confianza para estos planos decaen con el tiempo, permitiendo que el sistema se adapte a nuevos terrenos mientras suprime la deriva inducida por el ruido.

3. Propagación de Patas con Ruedas

Para los robots de patas con ruedas, el punto de contacto no es estacionario incluso sin deslizamiento; este se propaga mediante la rotación de la rueda. El método introduce:

• Ángulo de Rodadura Efectivo: Compensa la aparente rotación de la rueda causada por el cabeceo de la espinilla (movimiento de la pierna) para aislar la verdadera rodadura sobre el suelo.
• Propagación Consciente de la Pendiente: Ajusta un plano de soporte local a partir de contactos fiables para determinar la dirección de rodadura, permitiendo que el registro de contacto se propague a lo largo de la tangente del terreno en lugar de solo en el plano horizontal.
• Compensación Lateral: Tiene en cuenta el desplazamiento lateral del contacto de la rueda inducido por el balanceo (roll) de la espinilla.

4. Suavizado de Velocidad: IKVel-CKF

Para mitigar los picos impulsivos en la velocidad del pie causados por la cuantización del encoder y la diferenciación discreta, el artículo introduce un Filtro de Kalman de Cubatura de Cinemática Inversa (IKVel-CKF) opcional:

• Estima la velocidad cartesiana de la cadera al pie directamente a partir de los ángulos y velocidades de las articulaciones utilizando un modelo de observación no lineal.
• A diferencia de los Filtros de Kalman Extendidos (EKF), el CKF evita los cálculos del Jacobiano y los parámetros de escalado, ofreciendo estabilidad numérica para las mediciones de cinemática inversa.
• Este módulo (variante CAPO-CKE) proporciona una retroalimentación de velocidad más suave para la actualización de la fusión, reduciendo la propagación de ruido en la estimación del estado.

5. Supresión de la Deriva de Guiñada (Yaw)

El artículo aborda la deriva de la guiñada (que es débilmente observable solo mediante la IMU) utilizando la consistencia geométrica de contacto múltiple:

• Cuando múltiples patas están en fase de apoyo, la geometría relativa entre sus registros de contacto en el marco del mundo es fija.
• El sistema compara los vectores relativos de los contactos en el marco del mundo con los vectores relativos en el marco del cuerpo (derivados de la cinemática de las articulaciones).
• Cualquier discrepancia revela una desalineación de la guiñada. Esto se aplica como una prior de guiña suave al estimador de actitud en lugar de un reinicio brusco, frenando eficazmente la deriva durante la bipedestación prolongada y proporcionando una referencia de respaldo cuando las restricciones de la IMU se degradan.

Contribuciones Clave

1. Odometría Unificada Independiente de la Morfología: Un único marco que gestiona bípedos, cuadrúpedos y robots de patas con ruedas mediante la formación dinámica de restricciones a partir del conjunto actual de efectores finales en contacto.
2. Registro de Contacto con Corrección de Altura: Un mecanismo para registrar posiciones de contacto en el marco del mundo y corregir la deriva de elevación mediante la agrupación de planos de soporte, asegurando la estabilidad vertical a largo plazo.
3. Filtrado No Lineal de Cinemática Inversa: El uso de IKVel-CKF para suprimir los picos de velocidad inducidos por el encoder, mejorando la robustez de las restricciones de velocidad sin necesidad de sensores externos.
4. Corrección de Guiñada Basada Solo en Cinemática: Un método para suprimir la deriva de la guiña a largo plazo mediante la imposición de consistencia geométrica entre la cinemática del cuerpo y los registros de contacto en el marco del mundo, actuando como una prior suave.
5. Validación en el Mundo Real y Código Abierto: Evaluación en cuatro plataformas distintas (Unitree Go2 EDU y tres robots Astrall) con la publicación de código y datos para la reproducibilidad.

Resultados Experimentales

El método fue evaluado en cuatro plataformas utilizando trayectorias de bucle cerrado que involucraban movimiento tanto horizontal como vertical:

• Simulación (Gazebo): CAPO y CAPO-CKE superaron significativamente a una línea base de SLAM basada en LiDAR en entornos de baja textura, particularmente en el canal vertical. CAPO-CKE demostró una robustez superior contra valores atípicos de velocidad durante el ascenso de escaleras.
• Unitree Go2 EDU:
  • Cerró un bucle horizontal de ~120 m con un error de 2.21 m.
  • Cerró un bucle vertical de ~8 m con un error de altura <0.1 m.
• Robot Astrall de Pie (A):
  • Cerró un bucle horizontal de ~200 m con un error de 0.16 m.
  • Cerró un bucle vertical de ~15 m con un error de 0.22 m.
• Robot Astrall con Ruedas (B):
  • Cerró un bucle horizontal de ~200 m con un error de 0.23 m.
  • Cerró un bucle vertical de ~15 m con un error de 0.20 m.
• Robot Astrall con Ruedas (C):
  • Cerró un bucle horizontal de ~700 m con un error de 7.68 m (atribuido al deslizamiento y violaciones de contacto en rangos prolongados).
  • Cerró un bucle vertical de ~20 m con un error de 0.54 m.

Significación y Reclamaciones

El artículo afirma que CAPO proporciona una solución de odometría robusta y puramente propioceptiva que sigue siendo efectiva sin visión ni LiDAR. Su importancia radica en:

• Supresión de la Deriva: Supresión exitosa de la deriva a largo plazo tanto en posición (mediante el anclaje de contacto) como en elevación (mediante la agrupación de altura) utilizando solo sensores integrados.
• Versatilidad: Demostración de que una formulación cinemática unificada puede manejar diversas morfologías, incluyendo las complejidades de la locomoción de patas con ruedas.
• Fiabilidad en Condiciones Degradadas: Provisión de una referencia de guiñada derivada de la cinemática que estabiliza el sistema cuando las restricciones de la IMU no son fiables, un modo de fallo común en operaciones autónomas de larga duración.
• Practicidad: Los autores señalan que, aunque la deriva horizontal residual sigue siendo sensible a los errores de guiñada y a las violaciones del modelo de contacto (por ejemplo, deslizamiento de ruedas), el sistema alcanza una precisión práctica para muchas aplicaciones, particularmente en entornos donde los sensores exteroceptivos fallan.

Los autores reconocen limitaciones, incluyendo la falta de detección explícita de deslizamiento de ruedas y la dependencia de umbrales de fuerza fijos para la detección de apoyo, identificándolos como objetivos para trabajos futuros.