用于腿式机器人状态估计的接触辅助不变扩展卡尔曼滤波
机器人学
2019-05-22 v1
摘要
本文利用不变观测器设计理论，推导了一种用于三维双足机器人的接触辅助惯性导航观测器。辅助惯性导航本质上是一个非线性观测器设计问题；因此，当前的解决方案基于系统动态的近似，例如扩展卡尔曼滤波器（EKF），其使用系统沿当前最佳轨迹估计的雅可比线性化。基于 Barrau 和 Bonnabel 的不变观测器设计理论，特别是不变 EKF（InEKF），我们表明点接触-惯性系统的误差动态遵循对数线性自治微分方程；因此，可观测状态变量能够收敛，且吸引域与系统轨迹无关。由于误差动态的对数线性形式，无需进行非线性可观测性分析即可表明，当使用惯性测量单元（IMU）和接触传感器时，机器人的绝对位置以及绕重力矢量（偏航）的旋转是不可观测的。我们进一步用 IMU 偏置扩充所开发的 InEKF 的状态，因为这些参数的在线估计对系统性能有关键影响。我们使用蒙特卡洛仿真，将所提系统的收敛性与常用的基于四元数的 EKF 观测器进行了评估。此外，我们使用 Cassie 系列双足机器人的实验评估表明，由于利用了系统动态中存在的对称性，接触辅助 InEKF 相比基于四元数的 EKF 提供了更好的性能。
引用
@article{arxiv.1805.10410,
title = {Contact-Aided Invariant Extended Kalman Filtering for Legged Robot State Estimation},
author = {Ross Hartley and Maani Ghaffari Jadidi and Jessy W. Grizzle and Ryan M. Eustice},
journal= {arXiv preprint arXiv:1805.10410},
year = {2019}
}
备注
Published in the proceedings of Robotics: Science and Systems 2018