Sintesi Tecnica: Apprendimento della Rappresentazione del Contatto per l'Odometria delle Gambe

Definizione del Problema

L'odometria dei robot leggati si basa fondamentalmente sull'assunto che la velocità del piede rispetto al mondo sia nulla durante la fase di appoggio, un vincolo noto come Aggiornamento a Velocità Nulla (Zero-Velocity Update, ZUPT). Questo assunto permette alle catene cinematiche di correggere la deriva della velocità del corpo principale. Tuttavia, l'accuratezza dell'intero processo di stima dello stato è limitata dalla precisione dell'algoritmo di rilevamento del contatto.

Gli approcci attuali affrontano sfide significative:

• Limitazioni dei Sensori: Molti metodi si affidano a sensori di Forza di Reazione al Suolo (GRF) all'estremità del piede. Questi sensori sono soggetti a guasti meccanici, rumore indotto da urti e sono spesso assenti su piattaforme distribuite con dotazioni sensoriali minime.
• Slittamento e Disturbi: Anche quando i sensori GRF sono presenti, possono rimanere non reattivi a disturbi non modellati, come lo slittamento, mentre il piede è in contatto con il terreno.
• Difetti della Classificazione Binaria: Trattare il contatto come uno stato binario (appoggio vs. oscillazione) semplifica eccessivamente le complesse interazioni piede-terreno. Le soglie rigide spesso non riescono a tenere conto delle fasi transitorie (distacco/contatto) o del rumore dei sensori, portando a aggiornamenti errati nelle stime dello stato.
• Dipendenza dalle Etichette: Gli approcci di apprendimento supervisionato richiedono pseudo-etichette derivate dai dati GRF, che ereditano il rumore e i limiti dei sensori di forza stessi.

Metodologia

Gli autori propongono un framework di apprendimento di rappresentazione auto-supervisionato che utilizza esclusivamente sensori propriocettivi standard (encoder dei giunti) per rilevare il contatto, eliminando la necessità di l'integrazione di sensori di forza o di etichettatura umana.

1. Framework di Stima dello Stato

Il sistema impiega un Filtro di Kalman Esteso a Stato di Errore (ESEKF). Invece di filtrare direttamente gli stati nominali, esso decompone il sistema in uno stato nominale non lineare e uno stato di errore lineare. Il filtro utilizza una funzione di misura basata sulla velocità prevista del piede in appoggio nel frame del mondo. Fondamentalmente, la matrice di covarianza della misura viene scalata dinamicamente in base alla probabilità continua dello stato di appoggio, anziché utilizzare una covarianza costante o una soglia rigida.

2. Architetture di Rilevamento del Contatto

Lo studio confronta tre approcci distinti per il rilevamento del contatto:

• Baseline Non Supervisionata (HMM-GMM): Un Modello di Markov Nascosto (HMM) in cui le probabilità di emissione sono modellate da un Modello di Miscela Gaussiana (GMM) adattato direttamente ai dati cinematici grezzi (posizione verticale del piede, velocità 3D del piede e coppia del polpaccio). Questo approccio è limitato dall'assunto che i dati cinematici grezzi seguano una distribuzione gaussiana bimodale, il che gli autori dimostrano essere spesso non vero a causa delle intersezioni non lineari tra i manifold di appoggio e di oscillazione.
• Baseline Supervisionate (CNN/GRU): Reti neurali profonde (1D CNN e Gated Recurrent Unit) addestrate tramite perdita di Cross-Entropia Binaria. Questi modelli utilizzano pseudo-etichette derivate da GRF come verità fondamentale (ground truth) per mappare la cinematica in stati di contatto binari.
• Framework Auto-supervisionato Proposto (DAE-GMM):
  • Denoising Autoencoder (DAE): Una rete neurale (basata su CNN o GRU) addestrata a ricostruire la sequenza cinematica originale da una versione rumorosa e aumentata della stessa. L'obiettivo è apprendere una rappresentazione latente ($Z$) dove gli stati fisici sottostanti (appoggio vs. oscillazione) siano naturalmente disgiunti.
  • Modellazione dello Spazio Latente: I codici latenti prodotti dall'encoder vengono adattati con un GMM a 2 componenti. Questo isola i modi di contatto fisico in distinti manifold probabilistici.
  • Credenza Continua: A differenza dei classificatori binari, questo framework produce una probabilità posteriore continua dello stato di appoggio. Questa probabilità viene utilizzata per scalare la covarianza della misura nell'ESEKF, permettendo al filtro di scartare dinamicamente i dati inaffidabili (ad esempio, durante l'oscillazione o lo slittamento) senza l'uso di soglie rigide.

3. Caratteristiche di Input

Per evitare la "maledizione della dimensionalità" e matrici di covarianza mal condizionate, i modelli utilizzano un sottoinsieme specifico di 5 dimensioni di caratteristiche:

• Posizione verticale del piede rispetto alla base ($p^B_{foot,z}$).
• Velocità 3D del piede stimata tramite cinematica diretta ($v^B_{rel}$).
• Coppia stimata del polpaccio ($\tau_{calf}$).

Contributi Chiave

1. Apprendimento di Rappresentazione Senza Etichette: Un framework auto-supervisionato che estrae probabilità di contatto continue strettamente dai giunti cinematici senza dipendere da sensori GRF o pseudo-etichette.
2. Formulazione ESEKF Dinamica: Un modello di incertezza della misura guidato dalla credenza generativa latente, che scala dinamicamente la matrice di covarianza della misura invece di utilizzare soglie statiche.
3. Validazione Empirica della Stima della Densità di Probabilità: Evidenza che suggerisce che il rilevamento del contatto sia meglio formulato come un compito di stima della densità di probabilità auto-supervisionato piuttosto che come un compito di classificazione binaria supervisionato. Lo studio dimostra che una superiore accuratezza di classificazione sulle pseudo-etichette non correla necessariamente con migliori prestazioni di odometria a valle.

Risultati Sperimentali

Il framework è stato valutato sul dataset di simulazione TartanGround e su un dataset del mondo reale che coinvolge terreni di cemento, erba e roccia.

• Classificazione vs. Odometria: Mentre i modelli supervisionati (CNN/GRU) hanno ottenuto metriche di classificazione più elevate (Precisione/Richiamo/F1) rispetto alle pseudo-etichette basate su GRF, hanno ottenuto prestazioni inferiori nei compiti di odometria delle gambe a valle rispetto ai metodi auto-supervisionati proposti.
• Robustezza allo Slittamento: Negli scenari di slittamento, i modelli supervisionati tendevano a sovrastimare la durata dell'appoggio poiché si basavano su segnali GRF rumorosi. I metodi DAE auto-supervisionati hanno identificato correttamente la mancanza di un appoggio affidabile, producendo probabilità di appoggio vicine allo zero durante contatti instabili, prevenendo così correzioni di stato errate.
• Accuratezza dell'Odometria: I metodi DAE (CNN) e DAE (GRU) proposti hanno ottenuto i valori più bassi di Errore di Traiettoria Assoluta (ATE), Errore di Imbardata Assoluta (AHE) e altre metriche di errore sia nei test di simulazione che in quelli del mondo reale.
  • Nei test del mondo reale, il DAE (CNN) ha ridotto l'ATE a 17.20m rispetto ai 21.95m della migliore CNN supervisionata e ai 25.36m del superamento della soglia GRF.
• Contesto Temporale: Gli studi di ablazione hanno rivelato che l'aumento della dimensione della finestra di input causava la formazione di un manifold ad anello non lineare nello spazio latente a causa della dinamica periodica del passo, il che degradava le prestazioni del GMM. Di conseguenza, è stata trovata una dimensione della finestra $W=1$ come ottimale per preservare uno spazio latente linearmente separabile.

Significato e Rivendicazioni

Il documento sostiene che formulare il rilevamento del contatto come un compito di stima della densità di probabilità continua auto-supervisionata sia un approccio più robusto rispetto alla classificazione binaria supervisionata per l'odometria delle gambe.

• Indipendenza dall'Hardware: Il metodo consente un'odometria robusta su robot privi di sensori di forza, affidandosi esclusivamente agli encoder dei giunti standard.
• Gestione dell'Incertezza: Producendo una credenza continua invece di uno stato binario, il sistema può gestire meglio l'incertezza intrinseca delle interazioni piede-terreno, come lo slittamento e la compliance, che i classificatori binari spesso interpretano erroneamente.
• Generalizzazione: L'approccio auto-supervisionato evita i problemi di spostamento del dominio (domain shift) associati all'addestramento su pseudo-etichette GRF rumorose, portando a una migliore generalizzazione in ambienti reali.

Gli autori concludono che, sebbene la classificazione binaria del contatto sia fondamentalmente un problema mal posto a causa di dinamiche non modellate, un approccio probabilistico e auto-supervisionato fornisce una base superiore per la stima dello stato a valle.