日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

状態推定arXiv:2510.11539

二段階最適化による脚式ロボットの状態推定のためのノイズ共分散と運動学の同時キャリブレーション

Simultaneous Calibration of Noise Covariance and Kinematics for State Estimation of Legged Robots via Bi-level Optimization

シェア:XThreadsFacebookLINEはてブBluesky

二段階最適化で推定器をループ内に組み込み、ノイズ共分散と運動学パラメータを同時に自動調整することで、脚式ロボットの状態推定精度を向上させる手法を提案。

詳しい要約

1. どんなもの?

- 脚式・飛行ロボットの state estimation における process/measurement noise covariance と kinematics parameter を同時に校正する枠組み - estimator-in-the-loop の bi-level optimization を提案 - 上級レベルで noise covariance と model parameter を最適化変数として扱い、下級レベルで full-information estimator を実行 - quadrupedal robot と humanoid robot で検証 - state estimation・sensor・kinematics calibration を統合する data-driven framework と位置づける

2. 先行研究と比べてどこがすごい?

- 従来は process/measurement noise covariance が未知または手動調整されることが多く、hand-tuned baseline が前提 - 提案法は covariance と kinematic parameter を推定器ごと通して学習し、trajectory-level objective を直接最適化 - hand-tuned baseline と比較して estimation accuracy と uncertainty calibration が大幅に改善したと報告 - 単一プラットフォームに限らず quadrupedal/humanoid に適用可能な統一的枠組みを狙う点が特徴 - 個別の sensor calibration や kinematics calibration を分離せず state estimation と統合する点が差分

3. 技術・手法の肝は?

- bi-level optimization を採用 - 上級レベル: noise covariance と model parameter を最適化変数として扱う - 下級レベル: full-information estimator を実行 - estimator を通した微分(differentiating through the estimator)により trajectory-level objective を直接最適化 - これにより accurate かつ consistent な state estimate を得る - estimator-in-the-loop で covariance と kinematics を同時校正する点が肝

4. どうやって有効だと検証した?

- quadrupedal robot と humanoid robot 上で検証 - hand-tuned baseline と比較 - estimation accuracy と uncertainty calibration の改善を報告 - 具体的なデータセット名・評価指標・実験条件は要旨からは不明 - 実機かシミュレーションかの詳細も要旨からは不明

5. 議論はある?

- 動的で不確実な環境における state estimation の noise covariance 指定問題への対処を主張 - hand-tuned baseline 比の改善を主張するが、限界や失敗ケースの議論は要旨からは不明 - 計算コスト、収束性、他プラットフォームへの汎化性に関する議論は要旨からは不明 - sensor/kinematics calibration との統合による影響の詳細分析は要旨からは不明

6. 次に読むべき論文は?

- 要旨で明示的に参照・比較されている個別研究はなし - 関連手法として estimator-in-the-loop calibration、bi-level optimization、differentiable state estimation、noise covariance calibration、legged robot state estimation、kinematics calibration の定番文献を次に読むべき - 具体的な論文名は要旨からは不明

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Denglin Cheng, Jiarong Kang, Xiaobin Xiong

分類: cs.RO, math.OC

原文アブストラクト

Accurate state estimation is critical for legged and aerial robots operating in dynamic, uncertain environments. A key challenge lies in specifying process and measurement noise covariances, which are typically unknown or manually tuned. In this work, we introduce a bi-level optimization framework that jointly calibrates covariance matrices and kinematic parameters in an estimator-in-the-loop manner. The upper level treats noise covariances and model parameters as optimization variables, while the lower level executes a full-information estimator. Differentiating through the estimator allows direct optimization of trajectory-level objectives, resulting in accurate and consistent state estimates. We validate our approach on quadrupedal and humanoid robots, demonstrating significantly improved estimation accuracy and uncertainty calibration compared to hand-tuned baselines. Our method unifies state estimation, sensor, and kinematics calibration into a principled, data-driven framework applicable across diverse robotic platforms.

関連論文

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2newmoとKDDIが資本業務提携 2028年に堺市で自動運転タクシー商用化目指す提携・買収
  3. 3NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  4. 4GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  5. 5UC BerkeleyとNVIDIAの研究者、AIエージェントでロボット制御コードを仮想環境で改善研究・技術

PR・アフィリエイト広告

MINISFORUM(ミニPC)

MINISFORUM(ミニPC)の公式広告バナーMINISFORUM公式ストアを見る ↗
PR本紙発行元 EmplifAI