MOB-Net：基于 limb-modularized 的人oid外部扭矩不确定性学习
机器人学
2025-01-24 v2
摘要
动量观察者（MOB）可以估计无需额外传感器（如力/扭矩或关节扭矩传感器）的外部关节扭矩。然而，由于包含建模误差和关节摩擦的模型不确定性，MOB的估计性能会恶化。此外，当应用于高维浮动基座的人oid时，估计误差会显著，这会阻止使用所估计的外部关节扭矩进行力控制或碰撞检测。本文提出一种名为MOB-Net的纯外部关节扭矩估计方法，用于人oid。MOB-Net学习模型不确定性扭矩并校准MOB估计信号。该方法可在包含全身和虚拟关节的浮动基座机器人中，仅使用内部传感器（pelvis上的IMU和关节编码器）估计外部关节扭矩。我们的方法显著减少了MOB的估计误差，通过大量仿真、实验机器人和消融研究验证了MOB-Net对未见数据的鲁棒性能。最后，展示了各种碰撞处理场景，使用MOB-Net估计的外部关节扭矩实现了 locomotion 的接触力反馈控制、碰撞检测和碰撞反应安全。
引用
@article{arxiv.2402.11221,
title = {MOB-Net: Limb-modularized Uncertainty Torque Learning of Humanoids for Sensorless External Torque Estimation},
author = {Daegyu Lim and Myeong-Ju Kim and Junhyeok Cha and Jaeheung Park},
journal= {arXiv preprint arXiv:2402.11221},
year = {2025}
}
备注
Published to IJRR