← 返回论文列表

四足机器人状态估计的仅本体感觉基准：滤波器与平滑器在ATE、RPE和运行时之间的权衡
A Proprioceptive-Only Benchmark for Quadruped State Estimation: ATE, RPE, and Runtime Trade-offs Between Filters and Smoothers

作者: Ylenia Nisticò, João Carlos Virgolino Soares, Joan Solà 等4人
arXiv: 2605.11674v1
分类: cs.RO
📝 论文摘要
我们在GrandTour数据集[4]的CYN-1序列上比较了三种最先进的四足机器人本体状态估计器：MUSE [1]、不变扩展卡尔曼滤波器（IEKF）[2]和不变平滑器（IS）[3]。我们的目标是为实践者提供关于精度和计算时间的清晰指导：我们报告了长期精度（绝对轨迹误差，ATE）、短期精度（平移和旋转相对位姿误差，RPE），以及在固定硬件/软件栈上每次更新的计算时间。在该数据集上，各方法的RPE大致相似，而IEKF和IS实现了比MUSE更低的ATE。运行时间结果凸显了三种方法在精度与延迟之间的权衡。在讨论中，我们概述了为确保公平比较所采用的评估选择，并分析了影响短时域指标的因素。总体而言，本研究提供了精度与成本的简明快照，帮助读者根据应用约束选择合适的估计器，所有评估代码和文档已在https://github.com/iit-DLSLab/state_estimation_benchmark开源发布，以实现完全可复现。

📊 核心分析

🎯 研究动机
- 解决**四足机器人(quadruped robot)** 状态估计中不同方法的精度与计算开销对比问题 - 现有研究缺乏在统一硬件/软件栈上对**本体感觉(proprioceptive)** 估计器进行公平比较的基准 - 研究背景：实际应用需要在**长期精度(ATE)**、**短期精度(RPE)** 和**实时性(runtime)** 之间做出权衡，但缺乏系统性的指导
🔧 核心方法
- 在**GrandTour数据集** 的CYN-1序列上，对三种代表性方法：**MUSE**、**不变扩展卡尔曼滤波(IEKF)**、**不变平滑(IS)** 进行对比实验 - 使用**绝对轨迹误差(ATE)** 衡量长期精度，**相对位姿误差(RPE)** （包括平移和旋转）衡量短期精度 - 在固定硬件/软件栈上记录**每次更新的计算时间(per-update computation time)**，并分析精度-延迟权衡
💡 核心创新
- **首次提供** 针对四足机器人本体感觉状态估计器的**多维度公平比较基准**，涵盖ATE、RPE和运行时三个指标 - **开源评估框架**：所有代码和文档开源，确保完全可复现性 - **揭示权衡规律**：明确指出不同方法在精度-延迟上的差异（如IEKF和IS的ATE更低，RPE相似），为实际选型提供量化依据
🏆 总体贡献
- 为四足机器人领域提供了一个**系统性的本体感觉状态估计器测评基准**，帮助从业者根据应用约束选择合适方法 - 定量展示了**滤波器(filter)与平滑器(smoother)** 在精度和计算时间上的取舍 - 开源代码和数据集促进了社区复现与后续研究，推动了状态估计方法的标准化比较