人型ロボット向けマルチモーダルオドメトリ「KILVO」、センサ故障に強い新手法を提案

何が起きたか

arXivに投稿された論文で、人型ロボット向けの新しいオドメトリ手法「KILVO（Kinematic-Inertial-LiDAR-Visual Odometry）」が発表された。KILVOは、人型ロボットに一般的に搭載される関節エンコーダ、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）内で統合する。慣性データで予測を行い、脚の運動学を高レートで非同期処理して固有受容感覚の制約を提供し、外受容感覚はLiDAR点群の幾何学的事前情報とカメラのフォトメトリック誤差で逐次更新する。さらに、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組み込む。公開データセットと複数の人型ロボット、歩行パターン、シナリオでの実機実験により、高い精度、効率、出力レートを達成し、センサ劣化や故障に対する堅牢性を示した。コードとデータセットはGitHubで公開されている。

Key Facts

なぜ重要か

人型ロボットの自己位置推定は、歩行時の動的バランスや環境認識に不可欠であり、センサ故障時のロバスト性が実用化の鍵となる。KILVOは、既存のセンサを最大限活用しつつ、故障への適応を組み込んだ点で、人型ロボットの実運用における信頼性向上に寄与する可能性がある。また、コードとデータセットの公開により、コミュニティでの再現・発展が期待される。