基于因子图和切比雄夫多项式的紧张性机器人状态与轨迹估计

紧张性机器人具有良好的柔顺性和适应性，但其非线性且受约束的动力学使得状态估计具有挑战性。可靠的连续时间估计所有刚性连杆对于闭环控制、系统识别和机器学习至关重要，但常规方法往往不足。本文提出了一种用于Cable驱动紧张性机器人状态或轨迹估计（即滤波或平滑）的两阶段方法。对于在线状态估计，本工作引入了基于因子图的方法，将RGB-D相机的测量值与 onboard 电缆长度传感器进行融合。据作者所知，这是该领域首次应用因子图。因子图是自然的选择，因为它们利用机器人的结构属性，提供能够处理实际中非线性的有效传感器融合解决方案。用于处理噪声的基于马哈拉诺逊距离的聚类算法，以及用于估计最可能速度和中间状态的切比雄夫多项式方法，均在仿真和真实数据上表现良好，与基于ICP的算法相比。结果表明，该方法为复杂紧张性机器人运动提供了高保真度的连续时间状态和轨迹估计。