接触可靠性感知的神经残差卡尔曼滤波框架及其在足式机器人状态估计中的应用

《Sensors》：Contact-Reliability-Aware Neural Residual Kalman Filtering for Legged Robot State Estimation

　　

摘要

在无法获取足端接触测量的足式机器人状态估计中，标称步态相位并不能直接指示足-地运动学约束在瞬时上的有效性，而状态传播和运动学伪测量中的残差误差会进一步引入状态估计偏差。本文提出了一种接触可靠性感知的神经残差卡尔曼滤波框架，在保留基于物理的状态空间模型和卡尔曼递推的基础上，利用多任务时序估计器从本体感知历史序列中推断步态相位约束下的连续接触可靠性以及动态残差和观测残差。所估计的接触可靠性用于调节与接触相关的过程协方差和测量协方差，从而调整对足-地运动学约束所赋予的置信度。动态残差用于补偿机身速度预测误差，观测残差则通过测量新息校正足端运动学伪测量中可预测的误差。仿真结果表明，在多种运动指令下，该方法的机身状态误差和足端位置误差均低于二值接触卡尔曼滤波器。实物行走和转向实验表明，在规定的载板更新周期内，水平机身轨迹估计精度提升且终端漂移降低。