InEKFormer：用于人形机器人的混合状态估计器
机器人学
2025-11-21 v1
摘要
人形机器人在工业、家用、医疗及搜救等广泛应用场景中具有巨大的潜力，但在不同环境下的两足 locomotion 仍然是实现稳定动态运动的挑战。此时，状态估计发挥着关键作用，为运动控制器提供快速精准的浮动基状态反馈。虽然卡尔曼滤波等经典状态估计方法在机器人领域广泛应用，但需要专家知识来微调噪声参数。近期机器学习领域的进展使得深度学习方法日益被用于状态估计任务。本文提出了 InEKFormer，一种新型混合状态估计方法，融合了不变扩展卡尔曼滤波（InEKF）与 Transformer 网络。我们在来自人形机器人 RH5 的数据集上，将本方法与 InEKF 和 KalmanNet 方法进行比较。结果表明，Transformer 在人形状态估计中具有潜力，但也凸显了在高维问题中需要更稳健的自回归训练。
引用
@article{arxiv.2511.16306,
title = {InEKFormer: A Hybrid State Estimator for Humanoid Robots},
author = {Lasse Hohmeyer and Mihaela Popescu and Ivan Bergonzani and Dennis Mronga and Frank Kirchner},
journal= {arXiv preprint arXiv:2511.16306},
year = {2025}
}
备注
Accepted at The 22nd International Conference on Advanced Robotics (ICAR 2025)