驱动多关节机器人姿态估计

本工作演示了针对一种自由漂浮的、仿生多关节机器人进行的姿态（位置和方向）和形状估计。该机器人具有不可驱动的关节、安装在关节上的推力器用于控制，以及每个关节上的单个陀螺仪，形成一个受控约束、感知最少的平台。由于关节间角度受限，多关节系统的平移和旋转需要周期性、往复式推力器驱动，称为步态。通过原理演示硬件实验和离线分析，我们展示机器人的形状可通过增强了高斯过程残差模型的无信噪比卡尔曼滤波器可靠估计，该模型补偿非零均值、非高斯噪声；而姿态在无绝对位置测量情况下，预期呈现陀螺仪积分的漂移。实验结果表明，训练在多步态数据集（前进、后退、左、右和转向）上的高斯过程模型的性能相当于仅训练前进步态数据集的模型，揭示了步态输入空间的重叠，这可以被利用以减少每个步态的训练数据需求，同时提高滤波器在多个步态之间的通用性。最后，我们引入了一个从可观测性量子矩阵推导的启发式方法，将关节角度估计质量与步态周期性和推力器输入相关联，突出了控制如何影响估计质量。