日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

オドメトリ/状態推定arXiv:2608.05647

KILVO: ヒューマノイドロボットのための頑健なマルチモーダル適応を備えたキネマティクス・慣性・LiDAR・視覚オドメトリ

KILVO: Kinematic-Inertial-LiDAR-Visual Odometry with Robust Multimodal Adaptation for Humanoid Robots

シェア:XThreadsFacebookLINEはてブBluesky

ヒューマノイドロボット向けに、関節エンコーダ、IMU、LiDAR、カメラを非同期・逐次ハイブリッド誤差状態反復カルマンフィルタで統合し、センサ故障に頑健なマルチモーダル適応を備えたオドメトリ手法を提案した。

詳しい要約

1. どんなもの?

KILVOは、ヒューマノイドロボット向けのキネマティクス・慣性・LiDAR・視覚オドメトリである。関節エンコーダ、IMU、LiDAR、カメラを非同期・逐次ハイブリッド誤差状態反復カルマンフィルタ(ESIKF)で統合する。慣性データで予測し、脚のキネマティクスを高レートで非同期処理して固有受容感覚の制約を与え、外受容感覚はLiDAR点群の幾何学的登録と視覚のフォトメトリック誤差で逐次更新する。センサ故障に対するマルチモーダル適応を備え、追加センサなしで接触推定モジュールを統合する。公開データセットと実機で検証され、精度・効率・出力レート・ロバスト性で優れる。

2. 先行研究と比べてどこがすごい?

従来の融合手法はヒューマノイド特有の特性(脚のキネマティクス、歩行パターン、センサ構成)を十分に活用していない。KILVOは、ヒューマノイドに一般的に搭載される全センサを活用し、非同期・逐次処理で計算効率を保ちながら、センサ劣化や故障に対する適応機構を備える点が新しい。また、接触推定を状態推定と情報共有することで、追加センサなしでロバスト性を高めている。

3. 技術・手法の肝は?

中核は非同期・逐次ハイブリッドESIKF。慣性データで予測し、脚のキネマティクスを高レートで非同期に処理して固有受容感覚の制約を提供。外受容感覚は、まずLiDAR点群の登録で幾何学的事前情報を得て、次に視覚成分をフォトメトリック誤差で更新する逐次方式。さらに、センサ故障に適応するマルチモーダル適応機構と、追加センサなしで状態推定と情報共有する接触推定モジュールを設計。

4. どうやって有効だと検証した?

公開データセットと実世界の複数のヒューマノイドロボット、歩行パターン、シナリオで広範な実験を実施。精度、効率、出力レートを評価し、センサ劣化や故障に対するロバスト性を検証。最先端の融合手法と比較して、ヒューマノイドロボットに適していることを示した。コードとデータセットはGitHubで公開。

5. 議論はある?

要旨からは、特定の議論は不明。ただし、センサ故障時の適応機構の詳細や、接触推定の精度が状態推定に与える影響、計算コストと精度のトレードオフなどが議論の対象となり得る。また、公開データセットと実機での性能差や、異なる歩行パターンへの一般化についても議論の余地がある。

6. 次に読むべき論文は?

要旨で参照されている研究は明示されていないが、関連手法として、LiDAR-Inertial Odometry、Visual-Inertial Odometry、Kinematic-Inertial Odometry、およびそれらの融合手法(例:LIO-SAM、VINS-Mono、Contact-aided Inertial Odometry)が挙げられる。また、ヒューマノイドロボットの状態推定に関する研究も関連する。

※ 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: Jixin Gao, Fucheng Liu, Teng Zhang, Fusheng Zha

分類: cs.RO

原文アブストラクト

This article presents a kinematic-inertial-LiDAR-visual odometry for humanoid robots, called KILVO. Tailored to the platform features, requirements, and real-world complexity, it fully utilizes the sensors commonly equipped on humanoid robots, including joint encoders, IMU, LiDAR, and camera, within an asynchronous-sequential hybrid error-state iterated Kalman filter (ESIKF). Specifically, inertial data are used for prediction, leg kinematics are processed asynchronously at a high rate and provide proprioceptive constraints, while exteroception is updated sequentially, first by registering LiDAR points for geometric priors and then by updating the visual component via photometric errors. Moreover, the framework is elaborately designed with multimodal adaptation for resilience to sensor failures. A compact contact estimation module is also developed, sharing information with state estimation without additional sensors. Extensive experiments on public datasets and in the real world across multiple humanoid robots, gait patterns, and scenarios demonstrate that KILVO achieves highly competitive accuracy, efficiency, and output rates, with strong robustness against sensor degradation and failures, making it more suitable for humanoid robots than state-of-the-art fusion methods. Our code and datasets are released on GitHub.

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. 2GXO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
  3. 3newmo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
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  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

OZ GAMING(GPU搭載BTOゲーミングPC)

OZ GAMING(GPU搭載BTOゲーミングPC)の公式広告バナーOZ GAMINGで完成品PCを見る ↗
PR本紙発行元 EmplifAI