腿式機器人通常配備慣性測量單元（IMU），但消費級IMU噪聲較大，導致慣性解算隨時間漂移。然而，機器人的足部與環境間歇性接觸，這些接觸信息可用於抑制漂移。近日，一項研究報告了四種簡單且漸進的腿式機器人狀態估計器，它們充分利用接觸信息來提升狀態估計精度。
論文基於Hartley等人的接觸輔助不變擴展卡爾曼濾波器（InEKF），但降低了接觸更新頻率。在此基礎上，研究者將測量更新替換為一個小型因子圖，從而得到了第二種估計器。接下來，他們進一步將相同因子轉化為固定滯後平滑器，並引入了接觸片段足點（contact-episode footholds）的概念。最後，他們還提出了一個考慮IMU偏差演變的版本。所有四種變體均以浮基狀態（包括姿態、位置、速度及IMU偏差）為基礎，利用足地接觸來修正漂移。
為促進可重複性和本體感受腿式里程計的進一步研究，所有四種估計器已在GTSAM（Georgia Tech Smoothing and Mapping庫）中開源實現，並額外提供了兼容ROS2的實現。論文發表於arXiv，編號2605.23100，歸屬機器人學領域。該研究由Frank Dellaert等四位作者完成，提交於2026年5月21日。論文詳細描述了每種估計器的數學模型和實現細節，並通過實驗驗證了接觸輔助對定位精度的提升效果。這些估計器適用於各種腿式機器人平台，能夠在不依賴外部傳感器的情況下顯著提高狀態估計的可靠性。開源代碼的發佈將有助於機器人領域的研究人員和工程師快速復現和進一步改進這些方法。