适用于腿式机器人的四种简单本体感受估计器
论文提出四种利用足地接触减少IMU漂移的腿式机器人状态估计器，包括接触辅助不变扩展卡尔曼滤波器、因子图、固定滞后平滑器等，并已在GTSAM和ROS2中开源实现。
文章情报
要点
- 腿式机器人的IMU存在漂移，但足地接触可辅助校正。
- 开发了四种复杂度递增的状态估计器，从EKF到固定滞后平滑器。
- 所有变体均提供GTSAM实现及ROS2兼容接口。
- 实验表明接触辅助能有效提升定位精度。
为什么重要
这条新闻值得关注，因为腿式机器人的IMU存在漂移，但足地接触可辅助校正。
技术影响
可能影响模型选型、推理成本、产品能力和评测基准。
腿式机器人通常配备惯性测量单元（IMU），但消费级IMU噪声较大，导致惯性解算随时间漂移。然而，机器人的足部与环境间歇性接触，这些接触信息可用于抑制漂移。近日，一项研究报告了四种简单且渐进的腿式机器人状态估计器，它们充分利用接触信息来提升状态估计精度。
论文基于Hartley等人的接触辅助不变扩展卡尔曼滤波器（InEKF），但降低了接触更新频率。在此基础上，研究者将测量更新替换为一个小型因子图，从而得到了第二种估计器。接下来，他们进一步将相同因子转化为固定滞后平滑器，并引入了接触片段足点（contact-episode footholds）的概念。最后，他们还提出了一个考虑IMU偏差演变的版本。所有四种变体均以浮基状态（包括姿态、位置、速度及IMU偏差）为基础，利用足地接触来修正漂移。
为促进可重复性和本体感受腿式里程计的进一步研究，所有四种估计器已在GTSAM（Georgia Tech Smoothing and Mapping库）中开源实现，并额外提供了兼容ROS2的实现。论文发表于arXiv，编号2605.23100，归属机器人学领域。该研究由Frank Dellaert等四位作者完成，提交于2026年5月21日。论文详细描述了每种估计器的数学模型和实现细节，并通过实验验证了接触辅助对定位精度的提升效果。这些估计器适用于各种腿式机器人平台，能够在不依赖外部传感器的情况下显著提高状态估计的可靠性。开源代码的发布将有助于机器人领域的研究人员和工程师快速复现和进一步改进这些方法。