LOCOMOTION
CoCo-InEKF：动态、高接触场景下基于学习接触协方差的状态估计
Michael Baumgartner, David Müller, Agon Serifi, Ruben Grandia, Espen Knoop, Markus Gross, Moritz Bächer
- 发表年份
- 2026
- 引用次数
- 0
- 访问权限
- 开放获取
摘要
本文提出CoCo-InEKF，一种利用连续接触速度协方差替代二元接触状态的可微不变扩展卡尔曼滤波器，以提升足式机器人在动态高接触场景下的状态估计鲁棒性。通过轻量级神经网络端到端学习协方差，该方法能动态调节接触置信度，在双足机器人实验中实现了优于基线方法的线性速度估计精度与一致性。
关键词
state estimationlegged robotscontact covariancesinvariant extended Kalman filterneural network
相关论文
LOCOMOTION
开放获取📊 3,141 引用
Trust Region Policy Optimization
John Schulman, Sergey Levine, Philipp Moritz 等 5 位作者
2015
LOCOMOTION
📊 2,724 引用
Legged Robots That Balance
Marc H. Raibert, Ernest R. Tello
1986
LOCOMOTION
📊 2,658 引用
Being there: putting brain, body, and world together again
1997
LOCOMOTION
📊 2,305 引用
Small-scale soft-bodied robot with multimodal locomotion
Wenqi Hu, Guo Zhan Lum, Massimo Mastrangeli 等 4 位作者
2018