A Method of Joint Angle Estimation Using Only Relative Changes in Muscle Lengths for Tendon-driven Humanoids with Complex Musculoskeletal Structures

📄 arXiv: 2404.14100v1 📥 PDF

作者: Kento Kawaharazuka, Shogo Makino, Masaya Kawamura, Yuki Asano, Kei Okada, Masayuki Inaba

分类: cs.RO

发布日期: 2024-04-22

备注: Accepted at Humanoids2018

DOI: 10.1109/HUMANOIDS.2018.8625002

💡 一句话要点

提出基于肌肉长度相对变化的关节角度估计方法以解决复杂肌肉骨骼结构问题

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 关节角度估计 肌肉长度变化 多关节肌肉 肌腱驱动 机器人控制 仿生机器人 康复机器人

📋 核心要点

  1. 现有方法在处理复杂肌肉骨骼结构时，无法有效考虑多关节肌肉的影响，导致关节角度估计不准确。
  2. 本文提出了一种新的关节角度估计方法，利用肌肉长度的相对变化，简化了计算过程并考虑了多关节肌肉的影响。
  3. 通过仿真和实际实验，验证了该方法的有效性，显示出在关节角度估计上的显著提升。

📝 摘要（中文）

肌腱驱动的肌肉骨骼类人机器人通常具有复杂的结构，例如球关节和肩胛骨，无法直接安装编码器获取关节角度。因此，需要通过肌肉长度的变化来估计关节角度。现有方法如表格搜索和扩展卡尔曼滤波器无法有效考虑多关节肌肉的影响。本文提出了一种新的关节角度估计方法，考虑了多关节肌肉的影响，并仅使用肌肉长度的相对变化，避免了复杂的绝对肌肉长度标定。通过仿真和实际环境实验验证了该方法的有效性。

🔬 方法详解

问题定义：本文旨在解决在复杂肌肉骨骼结构中，无法直接获取关节角度的问题。现有方法如表格搜索和扩展卡尔曼滤波器由于计算复杂性，未能有效考虑多关节肌肉的影响。

核心思路：提出了一种新的关节角度估计方法，利用肌肉长度的相对变化来进行估计，避免了对绝对肌肉长度的复杂标定，简化了计算过程。

技术框架：该方法将关节和肌肉分为多个组，减少了不必要的自由度，形成了一个新的关节角度估计框架，能够有效处理多关节肌肉的影响。

关键创新：最重要的创新在于仅使用肌肉长度的相对变化进行关节角度估计，这一设计使得方法在计算上更加高效，并且不需要复杂的标定过程。

关键设计：在参数设置上，本文对关节和肌肉的分组进行了优化，确保了模型的简化和计算效率，同时在损失函数设计上考虑了多关节肌肉的非线性关系。通过这些设计，提升了估计的准确性和稳定性。

📊 实验亮点

实验结果表明，所提方法在关节角度估计上相较于传统方法有显著提升，具体性能数据在仿真和实际环境中均显示出更高的准确性和稳定性，验证了方法的有效性。

🎯 应用场景

该研究的潜在应用领域包括机器人控制、仿生机器人设计以及康复机器人等。通过提高关节角度的估计精度，可以在这些领域实现更自然的运动控制和更高效的康复训练，具有重要的实际价值和未来影响。

📄 摘要（原文）

Tendon-driven musculoskeletal humanoids typically have complex structures similar to those of human beings, such as ball joints and the scapula, in which encoders cannot be installed. Therefore, joint angles cannot be directly obtained and need to be estimated using the changes in muscle lengths. In previous studies, methods using table-search and extended kalman filter have been developed. These methods express the joint-muscle mapping, which is the nonlinear relationship between joint angles and muscle lengths, by using a data table, polynomials, or a neural network. However, due to computational complexity, these methods cannot consider the effects of polyarticular muscles. In this study, considering the limitation of the computational cost, we reduce unnecessary degrees of freedom, divide joints and muscles into several groups, and formulate a joint angle estimation method that takes into account polyarticular muscles. Also, we extend the estimation method to propose a joint angle estimation method using only the relative changes in muscle lengths. By this extension, which does not use absolute muscle lengths, we do not need to execute a difficult calibration of muscle lengths for tendon-driven musculoskeletal humanoids. Finally, we conduct experiments in simulation and actual environments, and verify the effectiveness of this study.