Aller au contenu principal
Estimation proprioceptive simultanée de la base et de l'élévation du terrain pour la locomotion des robots à pattesIllustration générée par IA
RecherchearXiv cs.RO 

Estimation proprioceptive simultanée de la base et de l'élévation du terrain pour la locomotion des robots à pattes

1 source couvre ce sujet·Source originale ↗·

Compilé et résumé par IA · sources vérifiables en un clic · publié sans lecture humaine préalable · méthodologie

Résumé IASource unique

Des chercheurs proposent SBEE (Simultaneous Base and Elevation Estimation), un framework open source temps réel destiné aux robots à pattes qui doivent se localiser sans aucune perception visuelle, par exemple dans la fumée, l'obscurité ou la poussière. Le principe consiste à coupler un filtre de Kalman étendu invariant à gauche (LI-EKF) qui estime la pose de la base flottante, et une carte d'élévation sur grille, dans une boucle bidirectionnelle. Chaque appui stable d'un pied insère dans la carte un échantillon de hauteur pondéré par son incertitude. Les cellules déjà cartographiées sont ensuite réinjectées dans le filtre sous forme de pseudo-mesures verticales, elles aussi pondérées par l'incertitude, qui jouent un rôle comparable aux fermetures de boucle en SLAM. Le filtre exploite une mesure de vitesse cinématique plutôt qu'un modèle de contact par patte ajouté à l'état, si bien que la dimension de l'état ne dépend pas du nombre de pattes. L'évaluation a été menée sous MuJoCo sur des plateformes quadrupèdes et bipèdes, ainsi que sur le jeu de données GrandTour de l'ANYmal-D, soit 296 m de locomotion. L'erreur absolue de trajectoire baisse de 22,1 % par rapport au meilleur de trois estimateurs proprioceptifs de l'état de l'art.

L'enjeu est pratique. Sans vision, la position globale et le lacet sont inobservables, et la dérive verticale est la plus dangereuse : elle fausse la hauteur de référence utilisée pour planifier les trajectoires des jambes en phase de transfert, et peut déstabiliser le robot jusqu'à la chute. Traiter le terrain comme un repère proprioceptif persistant offre une manière peu coûteuse de borner cette dérive, sans capteur supplémentaire, ce qui intéresse les opérateurs d'inspection industrielle, de sites sinistrés ou de tunnels, où caméras et lidars sont régulièrement dégradés. L'indépendance vis-à-vis du nombre de pattes facilite aussi le portage entre morphologies, point utile pour les intégrateurs qui gèrent des flottes hétérogènes, voire des humanoïdes. Il faut toutefois rester prudent : le gain de 22,1 % est un résultat relatif sur une seule séquence réelle de 296 m et des simulations, sans validation annoncée sur des terrains très déformables, glissants ou à forte dynamique. C'est une publication de recherche, pas un produit livré ni un déploiement.

Ce travail s'inscrit dans la lignée des filtres invariants avec contact, devenus une référence en estimation proprioceptive pour les quadrupèdes, et des approches de cartographie d'élévation utilisées notamment sur les robots d'ANYbotics, dont l'ANYmal-D est la plateforme du jeu de données employé. Il se positionne face à des estimateurs fondés sur l'odométrie jambes-IMU, qui souffrent d'une dérive non bornée, et face aux solutions qui compensent par la vision ou le lidar, plus précises mais fragiles en environnement dégradé. La mise à disposition du code ouvre la voie à des comparaisons indépendantes et à une intégration dans des piles de locomotion existantes. Les suites probables sont des tests sur matériel embarqué, une extension aux bipèdes et humanoïdes en conditions réelles, et une fusion optionnelle avec des capteurs extéroceptifs lorsque ceux-ci redeviennent disponibles. Aucun calendrier de pilote n'est annoncé.

À lire aussi

Calibration simultanée de la covariance du bruit et de la cinématique pour l'estimation d'état des robots à pattes via optimisation bi-niveau
Illustration générée par IA
1arXiv cs.RO 

Calibration simultanée de la covariance du bruit et de la cinématique pour l'estimation d'état des robots à pattes via optimisation bi-niveau

Une équipe de recherche publie sur arXiv (arXiv:2510.11539, version 5, republication d'un article existant) un nouveau cadre d'optimisation à deux niveaux pour calibrer simultanément les matrices de covariance de bruit et les paramètres cinématiques utilisés dans l'estimation d'état des robots à pattes. Le niveau supérieur traite les covariances de bruit de processus et de mesure ainsi que les paramètres du modèle cinématique comme des variables à optimiser, tandis que le niveau inférieur exécute un estimateur "full-information" complet. En rendant cet estimateur différentiable, les chercheurs peuvent optimiser directement des objectifs définis sur des trajectoires entières plutôt que sur des mesures instantanées.

RecherchePaper
1 source
SG-ODOM : estimation d'état proprioceptive événementielle avec mises à jour de contact conditionnées par la stabilité pour robots à pattes
Illustration générée par IA
2arXiv cs.RO 

SG-ODOM : estimation d'état proprioceptive événementielle avec mises à jour de contact conditionnées par la stabilité pour robots à pattes

Des chercheurs de l'Oxford Robotics Institute (groupe ori-drs, dynamic robot systems) publient SG-ODOM, un cadre d'odométrie proprioceptive pour robots à pattes, accompagné d'un code source ouvert sur GitHub et d'une vidéo de démonstration. Le système fusionne les données inertielles (IMU) avec la cinématique issue des encodeurs des articulations, mais change le moment où la correction cinématique est appliquée. Après le toucher physique du pied, une « porte de stabilité » n'accepte le contact pour l'estimation d'état qu'une fois le pied dans une condition d'appui suffisamment stable. Cet événement de touchdown validé déclenche une correction de l'estimateur, tandis que des mises à jour par temporisation (timeout) plafonnent la durée maximale de propagation IMU sans correction.

RecherchePaper
1 source
PGTT : navigation de terrain guidée par phase pour la locomotion perceptive à pattes
Illustration générée par IA
3arXiv cs.RO 

PGTT : navigation de terrain guidée par phase pour la locomotion perceptive à pattes

Des chercheurs proposent PGTT (Phase-Guided Terrain Traversal), une méthode d'apprentissage par renforcement profond pour la locomotion perceptive de robots à pattes, décrite dans une version révisée publiée sur arXiv (2510.18348v2). Le système encode la phase de chaque patte via une spline cubique d'Hermite, adapte la hauteur de balancement des jambes aux statistiques locales de la carte de hauteur perçue, et ajoute une pénalité de contact pendant la phase de balancement, tout en laissant la politique agir directement dans l'espace articulaire pour rester indépendante de la morphologie du robot.

RecherchePaper
1 source
DogLegs : estimation robuste de l'état proprioceptif pour robots à pattes grâce à plusieurs IMU montées sur les pattes
Illustration générée par IA
4arXiv cs.RO 

DogLegs : estimation robuste de l'état proprioceptif pour robots à pattes grâce à plusieurs IMU montées sur les pattes

Une équipe de chercheurs a publié une version mise à jour sur arXiv (arXiv:2503.04580v3, soumission de type "replace") d'un système baptisé DogLegs, conçu pour l'estimation d'état proprioceptif des robots à pattes. Le système fusionne les mesures d'une centrale inertielle montée sur le corps du robot (Body-IMU), des encodeurs articulaires, et de plusieurs centrales inertielles supplémentaires fixées sur les pattes (Leg-IMU), le tout via un filtre de Kalman étendu (EKF) qui gère les états d'erreur de toutes les IMU simultanément. Les Leg-IMU servent à détecter le contact des pieds au sol, ce qui permet d'injecter des mesures de vitesse nulle pour recaler l'état de chaque patte, tandis que la cinématique des pattes fournit des contraintes de position relative entre le corps…

RecherchePaper
1 source