← 最新论文
💻 computer science

Four Simple Proprioceptive Estimators for Legged Robots

本文提出了四种表达性递增的足式机器人本体感知状态估计器,它们通过利用间歇性足部接触来抑制惯性测量单元漂移,范围从接触辅助的不变扩展卡尔曼滤波器到固定滞后平滑器,所有实现均基于 GTSAM 和 ROS2 以确保可复现性。

原作者: Frank Dellaert, Chiyun Noh, Varun Agrawal, Ayoung Kim

发布于 2026-05-25
📖 1 分钟阅读☕ 轻松阅读

原作者: Frank Dellaert, Chiyun Noh, Varun Agrawal, Ayoung Kim

原始论文采用 CC BY 4.0 许可(http://creativecommons.org/licenses/by/4.0/)。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性,请参阅原始论文。 阅读完整免责声明

想象一个有腿的机器人(比如四足狗)试图在黑暗的房间里行走而不撞到东西。为了知道它在哪里,机器人依赖两个主要信息来源,但两者都有缺陷:

  1. 陀螺仪(IMU):这是一种通过旋转和晃动来告诉机器人如何运动的传感器。它非常快速且全天候工作。然而,它就像一个喝醉的人试图数自己的步数;随着时间的推移,它会变得略微困惑,其对机器人位置的估计开始偏离现实。
  2. 脚部:当脚接触地面时,它相对于地板停止移动。这是一个完美、稳固的锚点。但机器人只有在脚实际着地时才有这个信息。当脚在空中摆动时,这个锚点就消失了。

论文《四足机器人四种简单的本体感知估计器》本质上是一本食谱,介绍了四种不同的方法来组合这两种杂乱的信息源,以防止机器人迷路。作者构建了四种“计算器”(估计器)版本,它们越来越擅长利用脚部信息来校正漂移的陀螺仪。

以下是四种方法的分解,使用简单的类比:

1. “一步一算”计算器(不变扩展卡尔曼滤波)

类比:想象你在黑暗中行走,数着步数(陀螺仪)。每次你感觉到脚触地时,你就暂停一下,查看你的步数计数,并对你的心理地图做一个微小的修正。
工作原理:这是最简单的方法。它基于陀螺仪预测机器人的位置,一旦脚触地,就立即修正误差。它将脚视为临时的路标。
局限:它按特定顺序一次修正一只脚。如果两只脚同时触地,它可能会按顺序处理它们,这并非完全高效。

2. “群体思维”计算器(图更新滤波器)

类比:现在想象,当你的脚触地时,你不是逐个修正地图,而是聚集所有此刻正在触地的脚,让它们共同商定一个完美的修正方案。
工作原理:这个版本与第一个几乎相同,但当机器人更新位置时,它会同时查看所有活动的脚。它解决一个微小的数学谜题,以找到能同时满足所有脚的最佳位置。
结果:它稍微更准确,因为它不对修正强加任意顺序,但它仍然是一种“单步”方法。

3. “滑动窗口”计算器(带单一偏差的固定滞后平滑器)

类比:想象你在黑暗中行走,并保留一段过去几秒的“记忆磁带”。与其只看这一步,你查看过去几步以及最近留下的所有脚印。你会意识到:“等等,如果我看过去 5 秒的运动,我的陀螺仪似乎有点向左漂移了。”
工作原理:这种方法保留了一个小的历史窗口(过去几秒)。它将每次脚触地视为历史中的特定“事件”。它利用该窗口内的所有数据来平滑路径。它假设陀螺仪的误差(即“醉酒”部分)在该短窗口内大致保持不变。
结果:这能更好地防止机器人在长距离行走中漂移,因为它可以利用未来信息回溯并修正错误。

4. “自适应”计算器(带演变偏差的固定滞后平滑器)

类比:这是最复杂的版本。就像机器人意识到:“我的陀螺仪不仅仅是稍微不准;随着我走得越久,它变得越来越不准,也许是因为它变热或累了。”因此,它不再假设过去 5 秒的误差相同,而是假设误差正在缓慢变化和演变。
工作原理:它保留了历史的“滑动窗口”,但允许陀螺仪的误差在该窗口内随时间变化。它将误差建模为一段旅程,而不是一个静态数字。
结果:这是长距离行走或环境变化时最灵活、最强大的方法,因为它能适应传感器“变累”的情况。

他们发现了什么?

作者在真实机器人(波士顿动力的 Spot)上测试了这四种计算器,让它穿越各种地形,包括平坦地板、楼梯和斜坡。

  • 好消息:所有四种方法在防止机器人迷路方面都非常出色,尤其是与其他现有方法相比。它们证明,如果你拥有针对脚部和陀螺仪的良好数学模型,就不需要昂贵的摄像头或激光(这些通常用于此目的)。
  • 权衡:
    • 最简单的方法(1 和 2)非常稳定,但在修正长期漂移方面效果较差。
    • 滑动窗口方法(3 和 4)在长距离保持机器人沿正确路径行进方面表现最佳。
    • 转折:最复杂的方法(方法 4,即“自适应”方法)在保持机器人正确向前移动方面表现出色,但在陡峭楼梯上有时会对其高度(上下方向)感到有些困惑。稍微简单的“滑动窗口”(方法 3)有时在保持垂直高度准确方面表现更好。

结论

该论文表明,通过改变机器人如何“思考”其脚部和内部传感器——从简单的逐步修正转变为基于记忆、历史平滑的方法——可以使有腿机器人更加可靠。他们不仅发明了一种新传感器,还发明了一种利用现有传感器进行更好数学计算的方法。

这四种“计算器”现在均已作为开源代码发布,供其他研究人员使用和改进。

您所在领域的论文太多了?

获取与您研究关键词匹配的最新论文每日摘要——附技术摘要,使用您的语言。

试用 Digest →