arXiv (Robotics)AI
TITLE_JA: 複数IMUを搭載した関節型剛体システムにおける不変カルマンフィルタを用いた拡張姿勢推定
Invariant Kalman filtering for extended pose estimation in multi-IMU articulated rigid-body systems
この記事についてAIに質問する →
日本語要約青い用語にマウスを合わせると解説が表示されます
ロボティクスと人間の動作分析における重要な課題である、複数のIMU(慣性計測ユニット)を搭載した関節型剛体システムの正確な拡張姿勢推定(向き、速度、位置の推定)に関する新しい研究が発表されました。これまで、不変拡張カルマンフィルタ(IEKF)は単一の剛体に対して収束保証と観測不可能性下での一貫性を提供してきましたが、関節型システムへの拡張は非自明な課題でした。複数の身体間の姿勢結合が直接的な応用を阻み、また関節の運動学的制約を不変フレームワーク内に組み込むことは未解決問題として残されていたのです。
この研究は、運動学的ツリーシステムに対するLie群表現である「相対L拡張姿勢」を導入することで、これらの課題に対処しています。各身体に1つのIMUを搭載することで、群アフィン動力学を得られ、関節制約を不変形式で表現することが可能になります。これらの制約をノイズのない疑似計測として反復IEKF(IterIEKF)に組み込むことにより、不変フィルタリングの収束性と一貫性の保証を保持することができました。
提案されたIterIEKFは、UR5eロボットと人間の脚の両方で検証され、従来のEKF、IterEKF、および絶対姿勢IterIEKFのすべてのベースライン手法を上回る性能を示しています。より高速に収束し、実行ごとのばらつきが低く、すべてのシナリオで二番目に優れたフィルタと比較して最低でも50%のRMSE削減を達成し、最も低いRMSEを一貫して実現しています。この成果は、ロボティクスおよび人間動作追跡技術の精度向上に大きく貢献するものと期待されます。