Attention-Based Neural-Augmented Kalman Filter for Legged Robot State Estimation

Résumé technique : Filtre de Kalman augmenté par réseau de neurones basé sur l'attention pour l'estimation d'état des robots à pattes

Énoncé du problème
Les robots à pattes nécessitent une estimation d'état en temps réel précise (pose, vitesse, état de contact) pour assurer une locomotion agile sur des terrains divers. Bien que les capteurs proprioceptifs (IMU, encodeurs articulaires) soient plus robustes aux conditions météorologiques défavorables que les capteurs extéroceptifs (LiDAR, caméras), ils souffrent d'erreurs d'estimation significatives en cas de glissement des pieds. Les estimateurs cinématiques standards, tels que le Filtre de Kalman Étendu Invariant (InEKF), reposent sur une hypothèse de non-glissement où les points de contact sont modélisés comme des points fixes quasi-statiques. Lorsque le glissement se produit, cette hypothèse est violée, injectant un biais dans l'étape de mise à jour de l'état. Les méthodes existantes gèrent généralement le glissement indirectement en gonflant la covariance des mesures, en rejetant les mises à jour, ou en traitant le glissement comme un bruit de processus. Ces approches échouent à estimer explicitement et à compenser directement le biais induit par le glissement, entraînant une dérive accumulée, en particulier dans la direction verticale ($z$). De plus, les filtres augmentés par réseau de neurones antérieurs concatènent souvent des signaux hétérogènes (glissement, état, mesures) sans modéliser explicitement le glissement comme un contexte de conditionnement, ce qui aboutit à des compensateurs difficiles à interpréter et à régler à travers divers régimes de glissement.

Méthodologie
Les auteurs proposent le Filtre de Kalman augmenté par réseau de neurones basé sur l'attention (AttenNKF), un estimateur hybride qui enrichit un InEKF standard avec un compensateur neuronal conçu pour traiter explicitement les erreurs induites par le glissement.

1. Définition continue du niveau de glissement des pieds :
   La méthode définit un indicateur continu de sévérité du glissement ($lv_i$) pour chaque pied, basé sur l'amplitude de la vitesse du pied calculée par cinématique directe dans le repère mondial pendant la phase d'appui. Cette valeur est mappée à travers une fonction sigmoïde pour produire un score continu dans $[0, 1]$. Ce niveau de glissement sert de variable de contexte plutôt que de mesure directe, reflétant la violation de l'hypothèse de vitesse nulle au contact.

2. Architecture du compensateur neuronal (AttenNC) :
   Contrairement aux travaux antérieurs qui traitent le glissement comme une simple caractéristique d'entrée, AttenNKF traite le glissement comme un contexte qui module la manière dont l'historique de l'InEKF est utilisé pour la compensation.

   • Encodage latent : L'historique a posteriori de l'InEKF (état et corrections internes) et l'historique du glissement sont encodés séparément en représentations latentes à l'aide d'unités récurrentes à portes (GRU).
   • Mécanisme d'attention croisée : L'innovation centrale est un module d'attention croisée où le latent de glissement agit comme requête, et le latent de l'InEKF agit comme clé et valeur. Cela permet au réseau de réévaluer dynamiquement les caractéristiques latentes de l'InEKF en fonction du régime de glissement actuel. Par exemple, sous un glissement élevé, le mécanisme d'attention peut mettre sélectivement l'accent sur ou supprimer des éléments spécifiques de l'historique de l'InEKF pour générer une compensation plus appropriée.
   • Stratégie d'entraînement : Le compensateur est entraîné en deux étapes :
     • Étape 1 : Un autoencodeur basé sur GRU est entraîné pour mapper les entrées vers un espace latent, atténuant la sensibilité aux échelles d'entrée brutes.
     • Étape 2 : Le mécanisme d'attention est entraîné dans l'espace latent en utilisant un cadre « enseignant-élève ». Un Encodeur d'Erreur (enseignant) génère un vecteur latent cible à partir des erreurs de vérité terrain, tandis que les Encodeurs InEKF et de Glissement (élèves) génèrent le latent de compensation via l'attention croisée. L'élève est supervisé pour correspondre à la représentation latente de l'enseignant et à l'erreur d'état finale.

3. Intégration avec l'InEKF :
   AttenNKF fonctionne comme une étape de post-traitement. L'InEKF effectue ses étapes de prédiction et de mise à jour standards sur le groupe de Lie $SEN+2(3)$. Le compensateur neuronal prend ensuite l'état a posteriori de l'InEKF et le contexte de glissement pour prédire une compensation résiduelle ($\bar{e}_t$). Cette résiduelle est appliquée à l'orientation (via l'application exponentielle sur $SO(3)$) et à la vitesse/position (via une correction additive) pour produire l'état estimé final. Le compensateur ne modifie pas la matrice de covariance de l'InEKF ni ne rétroagit dans la récursion du filtre.

Contributions clés

• Compensation conditionnée par le glissement : L'article définit un niveau continu de glissement des pieds et démontre une corrélation positive modérée à forte entre la sévérité du glissement et l'erreur d'estimation d'état, justifiant le glissement en tant que variable de contexte explicite.
• Architecture basée sur l'attention : Les auteurs proposent un Compensateur Neuronal qui utilise l'attention croisée pour traiter le glissement comme un contexte modulant plutôt que comme une caractéristique concaténée. Cela permet au compensateur d'apprendre des structures dépendantes du régime de glissement pour la réduction des erreurs.
• Évaluation complète : La méthode est évaluée sur un robot Unitree Go1 à travers divers terrains intérieurs (plat, gravier, Téflon à faible friction, escaliers) et une trajectoire extérieure (~100 m sur herbe déformable).

Résultats expérimentaux
Les expériences comparent AttenNKF à trois bases de référence : Rejet du glissement (SR), Contact appris (LC) et Filtre de Kalman augmenté par réseau de neurones invariant (InNKF).

• Performance intérieure : Sur des terrains à faible glissement, toutes les méthodes performent de manière similaire. Cependant, sur des terrains à fort glissement (gravier et Téflon), AttenNKF surpasse significativement les bases de référence. Plus précisément, sur le gravier, AttenNKF a réduit l'erreur de position relative (REpos) de 93,1 % par rapport à la base de référence la plus performante. Sur la feuille de Téflon, il a réduit REpos de 48,6 %.
• Performance extérieure : Sur une trajectoire extérieure d'environ 100 m sur de l'herbe molle, AttenNKF a réduit REpos d'environ 55 à 73 % par rapport à SR, LC et InNKF. Alors que d'autres méthodes ont accumulé jusqu'à 10 mètres de dérive verticale, AttenNKF a maintenu la dérive dans les limites de $\pm 2\text{--}3$ mètres.
• Études d'ablation :
  • Le retrait du mécanisme d'attention croisée (le remplaçant par une concaténation) a entraîné des erreurs de position significativement plus élevées, confirmant l'avantage du rééquilibrage conditionné par le glissement.
  • L'utilisation de l'auto-attention sans conditionnement par le glissement a également dégradé les performances, soulignant la nécessité d'un contexte de glissement explicite.
  • Le pipeline d'entraînement à deux étapes proposé (pré-entraînement d'autoencodeur suivi d'entraînement de l'attention) a produit des résultats supérieurs par rapport à un entraînement de bout en bout.
  • L'utilisation de l'encodage implicite de glissement proposé (appris à partir de la vitesse brute) s'est avérée plus robuste sur des terrains hors distribution que l'utilisation de la vitesse brute du pied ou de niveaux de glissement explicites conçus à la main.

Signification et affirmations
L'article affirme qu'AttenNKF offre une solution robuste pour l'estimation d'état des robots à pattes dans des environnements sujets au glissement en modélisant explicitement la relation entre la sévérité du glissement et l'erreur d'estimation. En utilisant un mécanisme d'attention pour conditionner le compensateur neuronal sur le glissement, la méthode réalise des améliorations cohérentes de l'erreur relative sur divers terrains sans nécessiter de capteurs extéroceptifs. Les auteurs notent que le système fonctionne à 580 Hz, confirmant sa pertinence pour le contrôle en temps réel. Le travail suggère que traiter le glissement comme une variable de contexte plutôt que comme une caractéristique permet une compensation plus interprétable et efficace, en particulier dans des scénarios où le réglage traditionnel de la covariance ou le rejet des valeurs aberrantes échoue à corriger le biais. Des travaux futurs sont proposés pour appliquer ces états au contrôle autonome, étendre le cadre à d'autres plateformes robotiques (aériennes, à roues) et investiguer l'estimation de covariance et les formulations étroitement couplées.