Core Concepts
이 연구는 고유감지기와 외부감지기 정보를 통합하여 로봇 몸체의 상태를 정확하게 추정하는 하이브리드 솔루션을 제안합니다. 칼만 필터링, 최적화, 학습 기반 기술을 결합하여 로봇의 상태와 불확실성을 추정합니다.
Abstract
이 연구는 다리 로봇의 상태 추정을 위한 하이브리드 솔루션을 제안합니다. 주요 내용은 다음과 같습니다:
칼만 필터를 사용하여 관절 엔코더와 IMU 측정치를 기반으로 초기 상태 추정을 수행합니다. 단일 강체 모델을 사용하여 모델 예측을 수행하며, 이때 모델 예측제어(MPC) 최적화의 지면 반력 출력을 활용합니다.
게이트 순환 유닛(GRU) 신경망을 통해 칼만 필터 출력, 깊이 이미지의 의미 정보, 관성 측정치 등을 고려하여 상태 추정을 개선합니다. GRU는 칼만 필터의 초기 추정치를 활용하고, 자체 예측 오차를 출력하여 불확실성을 제공합니다.
변압기 기반 비전 인코더를 통해 깊이 이미지의 의미 정보를 추출하여 GRU의 입력으로 사용합니다.
실제 쿼드러펫 로봇 하드웨어에서 다양한 지형 조건에서 평가한 결과, 기존 VIO SLAM 대비 65% 향상된 성능을 보였습니다.
Stats
관절 엔코더와 IMU 측정치를 사용하여 로봇 몸체의 자세, 속도, 위치를 추정합니다.
모델 예측제어(MPC)의 지면 반력 출력을 활용하여 상태 예측을 수행합니다.
깊이 이미지의 의미 정보를 변압기 기반 비전 인코더를 통해 추출하여 상태 추정에 활용합니다.
Quotes
"이 연구는 칼만 필터링, 최적화, 학습 기반 기술을 결합하여 로봇의 상태와 불확실성을 추정합니다."
"변압기 기반 비전 인코더를 통해 깊이 이미지의 의미 정보를 추출하여 상태 추정에 활용합니다."