LAG-IO：基于因子图的腿式机器人多IMU状态估计方法

Yicheng Zhou 等提出 LAG-IO，一个基于因子图的多 IMU 状态估计框架，在滑窗优化中紧耦合主躯干 IMU、多个腿部 IMU 与关节编码器测量。该方法引入基于核密度估计（KDE）的连续概率接触检测模块，自适应调整零速更新（ZUPT）因子的协方差，并用运动学相对位置因子将各腿独立惯性状态锚定到主躯干。 在四足机器人多种非结构化地形上的实验结果显示，与现有基线相比，LAG-IO 实现了更高的平面轨迹精度，减少了不可观测的垂直发散，并在不稳定接触期间提供更平滑的轨迹过渡，同时保持了有竞争力的姿态可观性。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。