基于 EKF 和 MHE 的四足机器人 locomotion 快速去中心化状态估计
机器人学
2024-10-15 v3
摘要
本文提出了一种用于四足 locomotion 控制的快速去中心化状态估计框架。浮动基座状态的非线性估计被去中心化为通过扩展卡尔曼滤波器 (EKF) 的姿态估计和通过移动时域估计 (MHE) 的线性速度估计。EKF 将惯性传感器与视觉数据融合，以估计浮动基座姿态。MHE 利用估计的姿态和过去时间窗口内的所有传感器数据，以基于时间可变线性动力学模型的形式估计线性速度，并包含状态约束。更重要的是，提出了一种基于完整信息滤波器 (FIF) 优化结构的边缘化方法，将等约束的 FIF 转换为等效的 MHE。这种状态估计的解耦促进了计算效率、估计精度以及状态约束包含之间的所需平衡。该方法被证明能够为多种四足机器人提供准确的状态估计，包括高度动态的 hopping 机器人 PogoX、两足机器人 Cassie 和四足机器人 Unitree Go1，频率为 200 Hz，窗口间隔为 0.1s。
引用
@article{arxiv.2405.20567,
title = {Fast Decentralized State Estimation for Legged Robot Locomotion via EKF and MHE},
author = {Jiarong Kang and Yi Wang and Xiaobin Xiong},
journal= {arXiv preprint arXiv:2405.20567},
year = {2024}
}
备注
8 pages, accepted by RAL 2024