CoCo-InEKF: 동적이고 접촉이 빈번한 시나리오에서 학습된 접촉 공분산을 이용한 상태 추정

요약

CoCo-InEKF는 다리가 달린 로봇의 동적이고 접촉이 빈번한 시나리오에서 상태 추정의 어려움을 해결하기 위해 제안된 방법입니다. 이 방법은 기존 방식의 한계였던 이진 접촉 상태 대신, 연속적인 접촉 속도 공분산을 활용하는 미분 가능한 불변 확장 칼만 필터(InEKF)를 사용합니다. CoCo-InEKF는 학습된 신경망을 통해 접촉 신뢰도를 동적으로 조절함으로써, 단순한 접촉 여부뿐 아니라 방향성 미끄러짐이나 접촉 없음 같은 미묘한 조건까지 고려하여 로봇의 움직임을 더욱 강건하게 추정할 수 있습니다.

핵심 포인트

• CoCo-InEKF는 이진 접촉 상태 대신 연속적인 접촉 속도 공분산을 활용하는 InEKF 기반 상태 추정 기법이다.
• 학습된 신경망을 사용하여 접촉 신뢰도를 동적으로 조절함으로써, 미끄러짐이나 부분적 접촉 등 복잡한 시나리오를 처리할 수 있다.
• 이 접근 방식은 휴리스틱한 정답 접촉 라벨(ground-truth contact labels)의 필요성을 제거하며, 자동화된 접촉 후보 선택 절차를 제안한다.
• 실험 결과, 이족 보행 로봇을 이용한 선속도 추정에서 기존 방법 대비 우수한 정확도-효율성 트레이드오프와 향상된 필터 일관성을 입증했다.