用于仿人机器人估计与控制的无监督接触学习
机器人学
2017-09-25 v1
摘要
本工作提出了一种使用模糊聚类学习完整六维仿人接触的接触概率的接触状态估计方法。训练所需的数据仅来自本体感受传感器——末端执行器接触力传感器和惯性测量单元 (IMU)——且该方法完全是无监督的。所得的聚类均值被用于独立且高效地计算六个末端执行器自由度 中每个自由度的接触概率。该基于聚类的接触概率估计器在一个基于运动学的基座状态估计器中得到了验证，该估计器处于一个仿真环境中，其中加入了真实的传感器噪声，用于机器人在其会发生脚部滑动和旋转的粗糙、低摩擦地形上的移动。结果表明，利用这六个自由度接触概率估计的基座状态估计器，其性能明显优于纯粹基于测量的法向力来确定运动学接触约束的估计器。
引用
@article{arxiv.1709.07472,
title = {Unsupervised Contact Learning for Humanoid Estimation and Control},
author = {Nicholas Rotella and Stefan Schaal and Ludovic Righetti},
journal= {arXiv preprint arXiv:1709.07472},
year = {2017}
}
备注
Submitted to the IEEE International Conference on Robotics and Automation (ICRA) 2018