ヒューマノイドロボットが実世界で活動する場合、揺れる船舶の甲板、振動する産業プラットフォーム、回転するステージなど、非慣性系の地面に直面することが少なくない。このような環境では、ロボットは自身の姿勢を制御するだけでなく、動く地面に対する位置と速度を正確に把握しなければ、バランスを保ち適切に動作することができない。しかし、従来の状態推定手法は地面が静止していると仮定するか、モーションキャプチャのような外部システムで地面運動を観測する必要があり、実用的ではなかった。
この課題に対して、Falak Mandali氏、Zijian He氏らはarXivに論文を公開し、機載の固有感覚センサのみを用いる不変拡張カルマンフィルタ（InEKF）フレームワークを提案した。この手法の核心は、足部に取り付けた慣性測定ユニット（IMU）とロボットの運動学的制約を活用し、地面運動を直接測定することなく、移動する地面座標系に対するロボット基底の位置と速度を推定する点にある。フィルタは完全にロボット自身のセンサに依存するため、外部カメラやマーカー、専用の地面センサを必要としない。
技術的な新規性は、地面に起因する非線形性をプロセスモデルと測定モデルに組み込み、右不変の測定モデルを構築したことにある。この不変性により、フィルタの誤差ダイナミクスは良好な性質を持ち、初期不確かさが大きい場合でも安定して収束する。さらに論文では可観測性解析を行い、どのような条件下でロボットの相対位置と速度が可観測となるかを明らかにし、手法の適用範囲に理論的な保証を与えている。
実験検証にはDigitヒューマノイドロボットが用いられた。立ち姿勢とスクワットのタスクでは、ロボットは揺れとピッチングを同時に受けるプラットフォーム上に立つ。既存のInEKFと比較して、新手法は収束速度を96%向上させ、位置推定誤差を80%削減した。さらに挑戦的な歩行実験では、ロボットは単軸回転するプラットフォーム上を歩行し、初期誤差が最大1mであっても平均推定誤差は9cm未満に抑えられた。これらの結果は、非慣性地面上での優れたロバスト性と精度を示している。
この研究は、船舶、航空機、移動車両などの動的プラットフォーム上でのヒューマノイドロボットの展開にとって重要な意味を持つ。今後は、多軸回転やランダム振動など、より複雑な地面運動への拡張や、他のセンサモダリティとの融合により、実世界の非構造化環境におけるロボットの自律性がさらに向上することが期待される。