Core Concepts
ジョイントトルクセンサーがないヒューマノイドロボットにおけるUKFを用いたセンサーフュージョンの提案とその有効性を示す。
Abstract
この論文では、Unscented Kalman Filteringに基づく新しいセンサーフュージョンアプローチが提案されています。このアプローチは、多重測定(電流、加速度など)や外部接触などの非直接的に測定可能な影響を考慮しており、人間とロボットの相互作用の制御アーキテクチャで即座に使用できるジョイントトルクを導きます。提案されたセンサーフュージョンは分散型で非共置型力/トルクセンサーも統合できる柔軟なフレームワークです。また、提案された手法がタスク空間トルク制御を目指した2層トルク制御アーキテクチャに統合する方法も示しています。提案手法のパフォーマンスはIstituto Italiano di Tecnologiaで開発中の新しい人型ロボットergoCubで広範囲なテストを通じて示されています。既存のNewton-Eulerアルゴリズムに基づく最先端手法と比較して、外部接触が存在する場合でも0.05 Nmから2.5 Nmまでの低い平均二乗誤差を達成することが示されています。
Stats
提案手法は0.05 Nmから2.5 Nmまでの低い平均二乗誤差を達成します。
外部接触が存在する場合でも高いパフォーマンスを実現します。
ロボットergoCub上で広範囲なテストが行われました。
Quotes
"The proposed sensor fusion can also integrate distributed, non-collocated force/torque sensors, thus being a flexible framework with respect to the underlying robot sensor suit."
"Results demonstrate that our method achieves low root mean square errors in torque tracking, ranging from 0.05 Nm to 2.5 Nm, even in the presence of external contacts."
"This paper contributes towards the design of a novel joint torque estimator with the aim of enabling torque control on humanoid robots without joint torque sensors and mounting high-ratio harmonic drives."