X-IONet：面向行人和四足机器人的跨平台惯性里程计网络
机器人学
2026-04-24 v2 机器学习
摘要
基于学习的惯性里程计在行人导航中取得了显著进展。然而，将这些方法扩展到四足机器人仍具有挑战性，因为其独特且高度动态的运动模式。在四足平台上表现良好的模型常常在部署到四足平台时会出现严重退化。为解决这一挑战，我们引入了X-IONet，这是一个仅使用单个惯性测量单元（IMU）的跨平台惯性里程计框架。X-IONet包含一个基于规则的专家选择模块，用于对运动平台进行分类，并将IMU序列路由到针对特定平台的专家网络。位移预测网络采用双阶段注意力架构，联合建模长程时序依赖性和轴间相关性，实现精准的运动表示。它输出位移及其相关不确定性，通过扩展卡尔曼滤波器（EKF）进行融合，以实现稳健的状态估计。在公开的RoNIN行人数据集、GrandTour四足数据集以及自行收集的Go2四足数据集上进行的大量实验表明，X-IONet实现了最先进的性能，在RoNIN上分别将ATE和RTE降低了14.3%和11.4%，在GrandTour上分别降低了11.8%和9.7%，在Go2上分别降低了52.8%和41.3%。这些结果凸显了X-IONet在人类和四足机器人平台上实现精确稳健惯性导航的有效性。
引用
@article{arxiv.2511.08277,
title = {X-IONet: Cross-Platform Inertial Odometry Network for Pedestrian and Legged Robot},
author = {Dehan Shen and Changhao Chen},
journal= {arXiv preprint arXiv:2511.08277},
year = {2026}
}
备注
RA-L Accepted