Legged Robot State-Estimation Through Combined Forward Kinematic and Preintegrated Contact Factors

Motivation

• Known: IMU와 카메라를 활용한 최첨단 로봇 인식 시스템이 존재하지만 시각 추적 손실 시 실패하며, Factor Graph 기반 SLAM이 실시간 처리를 제공한다.
• Gap: 기존 방법들은 시각 정보에 크게 의존하므로 조명 부족이나 특징 부재 시 성능이 급격히 저하되며, 다리 로봇의 Kinematic 모델과 접촉 정보를 체계적으로 Factor Graph에 통합한 연구가 부족하다.
• Why: 다리 로봇은 환경과 직접 접촉하므로 접촉 기반 Odometry를 활용하면 시각 손실 상황에서 Drift를 감소시키고 위치 추정 정확도를 개선할 수 있어 실질적 로봇 배포에 중요하다.
• Approach: Forward Kinematic 인수를 통해 엔코더 측정으로 센서 프레임을 접촉 프레임에 연결하고, Preintegrated Contact 인수로 발의 미끄러짐을 고려하면서 접촉 프레임의 운동을 추정한 후 두 인수를 Factor Graph 최적화 문제에 통합한다.

Achievement

Fig. 5: Estimated trajectory of Cassie experiment data using IMU, forward

• Forward Kinematic Factor 개발: 노이즈가 있는 엔코더 측정을 통해 임의의 시간 단계에서 말단 위치(End-effector Pose)를 추정하는 인수 개발
• Preintegrated Contact Factor: Rigid 및 Point 접촉 모델을 이용하여 발의 미끄러짐을 고려하면서 연속 시간 단계 간 접촉 프레임 포즈 관계를 정의
• Leg Odometry의 Factor Graph 통합: 다리 Odometry를 기존 Factor Graph Smoothing 프레임워크에 처음으로 체계적으로 통합
• 실시간 구현 및 검증: Cassie 이족 로봇에서 제안 방법의 실시간 구현 및 IMU 데이터 보충 시 Drift 감소 및 위치 정확도 개선 확인

How

Fig. 3: The contact frame is separated from the robot’s base frame by N

• SE(3) Lie Group 및 on-manifold 최적화 기법을 수학적 기반으로 사용하여 회전과 병렬 이동을 통합적으로 처리
• Forward Kinematic 모델을 통해 다중 링크 로봇의 Kinematic Chain을 표현하고 엔코더 노이즈를 확률적으로 모델링
• 고주파 접촉 측정을 Preintegration하여 발의 상태 변화를 누적하고 미끄러짐 노이즈 특성을 반영
• Factor Graph Smoothing에서 정방형 문제의 희소 구조를 활용하여 실시간 성능 달성
• 시뮬레이션과 실제 Cassie 로봇 실험으로 IMU 단독 사용 대비 성능 개선을 정량적으로 검증

Originality

• Forward Kinematic 인수를 명시적으로 Factor Graph 프레임워크에 도입하여 엔코더 기반 Leg Odometry와 관성 측정을 통합한 처음의 시스템적 접근
• 발의 미끄러짐을 모델링하면서 Preintegrated Contact 인수를 정의하여 접촉 불확실성을 정량적으로 처리한 창의적 방법론
• IMU Preintegration 이론을 접촉 측정 영역으로 확장하여 고주파 센서 데이터의 효율적 처리 방식 제시
• 다리 로봇의 Kinematic 제약 조건과 접촉 제약 조건을 동시에 고려하는 통합 최적화 프레임워크 구성

Limitation & Further Study

• 실험이 'preliminary' 수준으로 제한적이며, 긴 거리 주행이나 복잡한 지형에서의 성능이 충분히 검증되지 않음", '발의 미끄러짐 모델이 단순화되어 있으며, 비정상적 접촉(부분 접촉, 이중 접촉) 상황에 대한 처리 방안이 명확하지 않음
• 제안 방법이 Cassie 로봇 특화로 보여 다른 형태의 다리 로봇 (사족보행, 육족보행 등)에 대한 일반화 가능성이 미흡
• 시각 정보 없이 순수 Leg Odometry만으로는 Yaw 방향의 장기 Drift를 완전히 제거하지 못할 가능성이 높음
• 후속 연구: (1) Loop Closure 같은 추가적 제약 조건을 통한 Drift 감소, (2) 다양한 지형과 보행 속도에서의 광범위 실험, (3) 머신러닝 기반 미끄러짐 감지 통합, (4) 다른 레그 로봇 형태로의 일반화

Evaluation

총평: 본 논문은 Factor Graph 프레임워크에 Forward Kinematic 및 Preintegrated Contact 인수를 처음 도입하여 시각 손실 상황에서도 다리 로봇의 상태를 추정할 수 있는 실용적 기법을 제시했으며, 이론적 엄밀성과 실제 로봇 구현 양면에서 견고한 기여를 하지만, 실험의 규모가 제한적이고 일반화 가능성 검증이 필요하다.