CoCo-InEKF：动态、高接触场景下基于学习接触协方差的状态估计

Michael Baumgartner, David Müller, Agon Serifi, Ruben Grandia, Espen Knoop, Markus Gross, Moritz Bächer

2026

摘要

本文提出CoCo-InEKF，一种利用连续接触速度协方差替代二元接触状态的可微不变扩展卡尔曼滤波器，以提升足式机器人在动态高接触场景下的状态估计鲁棒性。通过轻量级神经网络端到端学习协方差，该方法能动态调节接触置信度，在双足机器人实验中实现了优于基线方法的线性速度估计精度与一致性。

state estimationlegged robotscontact covariancesinvariant extended Kalman filterneural network

MANIPULATION

📊 0 引用

Yanlong Peng, Zhigang Wang, Yisheng Zhang 等 8 位作者

Robotics and Autonomous Systems · 2026

LOCOMOTION

📊 0 引用

Shengyang Lu, Guanpeng Chen, Lijing Zhao 等 5 位作者

Robotics and Autonomous Systems · 2026

LOCOMOTION

📊 0 引用

Dilip Muchhala, Pramod Kumar Maurya, Adarsh Raut 等 6 位作者

Robotics and Autonomous Systems · 2026

LOCOMOTION

📊 0 引用

Zewen He, Taiki Ishigaki, Ko Yamamoto

Robotics and Autonomous Systems · 2026