FOCUS: 堅牢な人型プロプリオセプティブオドメトリのための足部観測信頼度

FOCUSは、ヒューマノイドの自己位置推定（proprioceptive odometry）において、各足のFK（forward kinematics）観測の信頼性を連続値として予測する手法。従来の二値の接触判定に代わり、FK速度観測とIMU伝播速度を信頼性重みでブレンドし、EKFの観測共分散を適応させる。ネットワークはシミュレーションで自動生成した信号から、FK重み付き速度整合損失と軽量な接触正則化を用いて訓練され、IMUと関節角度のみで動作する。

従来の接触支援型推定器は、足全体の接触を二値判定し、接触時のみFKを信頼していた。しかし動的歩行では部分接触や足引きずり、滑りが生じ、二値判定は長距離でドリフトを蓄積する。FOCUSは連続的なFK信頼性重みを予測することで、この問題を解決し、ハードな接触切替なしに滑らかな信頼性融合を実現する点が新しい。

手法の核は、シミュレーションから自動生成された信号を用いて、FK信頼性を予測するネットワークを訓練すること。損失関数はFK重み付き速度整合損失と軽量なシミュレータ接触正則化から成り、手動の連続ラベルを必要としない。予測された重みは、FK速度観測とIMU伝播速度のブレンド、およびEKFの観測共分散の適応に使用される。

シミュレーションの歩行エピソードでATEを83.7%削減し、動的動作のモーションスケールとスペクトルエネルギーを維持。実機では19の歩行セグメントでATEを70.8%削減、4つの動的動作ルーチンで平均ATEを42.7%削減した。

要旨からは、連続信頼性の予測が二値接触判定より優れていることが示されるが、ネットワークの汎化性や実機での動的動作の詳細、計算コスト、他のセンサフュージョン手法との比較などは不明。また、シミュレーションと実機のギャップ（sim-to-real）に関する議論も要旨には含まれていない。

要旨で参照されている関連研究として、contact-aided estimatorsやfoot forward kinematicsを用いたproprioceptive odometryの既存研究が挙げられる。具体的には、二値接触判定を用いたEKFベースの手法や、foot slipを扱う研究が関連する。次に読むべき論文は、これらの基礎となった研究や、同分野の定番である『State Estimation for Legged Robots』や『Contact-aided invariant extended Kalman filtering』などが考えられる。