基于 UKF 的传感器融合用于无关节力矩传感器的人形机器人
机器人学
2025-04-01 v1
摘要
本文提出了一种基于无迹卡尔曼滤波 (UKF) 的新型传感器融合方法，用于在没有关节力矩传感器的情况下在线估计人形机器人的关节力矩。在特征层面，所提出的方法考虑了多模态测量（例如电流、加速度等）和不可直接测量的效应（如外部接触），从而产生可直接用于人机交互控制架构的关节力矩。所提出的传感器融合还可以集成分布式、非共位的力/力矩传感器，因此相对于底层机器人传感器套件是一个灵活的框架。为了验证该方法，我们展示了如何将所提出的传感器融合集成到旨在实现任务空间力矩控制的两级力矩控制架构中。通过在意大利技术研究院 (Istituto Italiano di Tecnologia) 正在开发的新人形机器人 ergoCub 上进行的大量测试，展示了所提出方法的性能。我们还将我们的策略与基于递归牛顿 - 欧拉算法的现有最先进方法进行了比较。结果表明，即使在存在外部接触的情况下，我们的方法在力矩跟踪中也实现了较低的均方根误差，范围从 0.05 Nm 到 2.5 Nm。
引用
@article{arxiv.2402.18380,
title = {UKF-Based Sensor Fusion for Joint-Torque Sensorless Humanoid Robots},
author = {Ines Sorrentino and Giulio Romualdi and Daniele Pucci},
journal= {arXiv preprint arXiv:2402.18380},
year = {2025}
}