Marco de estimación de estado en cascada en tiempo real sobre grupos de mentira para robots con piernas que usan...

Área de la Ciencia:

• La robótica
• Estimación del Estado
• Sistemas de control

Sus antecedentes:

• La estimación precisa del estado es crucial para el control de robots con piernas.
• Los sensores propioceptivos ofrecen una rica fuente de información para la estimación.
• Los métodos existentes luchan con la dinámica de impacto durante la locomoción.

Objetivo del estudio:

• Desarrollar un marco de estimación de estado en cascada para robots que utilizan la propiocepción.
• Mejorar la precisión y el rendimiento en tiempo real de la estimación del estado del robot.
• Para manejar eficazmente el ruido de impacto en la locomoción de robots con piernas.

Principales métodos:

• Un filtro de Kalman basado en el momento generalizado (GMKF) estima las fuerzas de reacción de tierra.
• Un filtro de Kalman de estado de error (ESKF) proporciona estimaciones previas del estado.
• Se formula un problema de estimación de horizonte móvil (MHE) en grupos de Lie y se resuelve con iteración paralela en tiempo real (Para-RTI).

Principales resultados:

• El marco propuesto permite una estimación estrechamente acoplada de los colectores.
• Se ha demostrado una mayor precisión y rendimiento en tiempo real en comparación con los métodos existentes.
• Mitigará eficazmente el ruido de impacto durante el contacto del pie con el suelo en robots con patas.

Conclusiones:

• El marco basado en la propriocepción en cascada ofrece un enfoque superior para la estimación del estado del robot.
• El método es particularmente efectivo para robots con patas que navegan en entornos dinámicos.
• La validación experimental en el robot BQR3 confirma la eficacia del marco.