融合流匹配与粒子滤波的基于本体感知在线接触估计
arXiv 2610.29568v1 提出 ContactFlowFilter，用粒子滤波的递归结构处理状态时间依赖，并以流匹配模型作为辅助提议分布跟踪多模态信念、检测接触增删事件，解决仅靠关节力矩与基座力/力矩传感器的机械臂接触估计逆问题。真实实验中单接触与双接触位置误差分别为 0.36 cm 和 0.88 cm，运行耗时 0.69 ms 与 2.69 ms，仿真与实机均完成验证。
发布于 10-22 13:00来源：arXiv cs.RO
转载 · 官方发布原文：arXiv cs.RO ·《Mixture of Flow Matching and Particle Filter for Proprioception-Based Online Contact Estimation》查看原链
本文提出 ContactFlowFilter，一种用于接触估计的新方法，可确定有效接触的数量、位置及相应的力向量。 我们考虑配备关节力矩传感器和基座力/力矩传感器的机器人机械臂；这种仅依赖本体感知的配置构成一个具有挑战性的逆问题，其特征为：(i) 非唯一解导致的多模态性，(ii) 状态演化中的时间依赖性，(iii) 涉及接触添加/移除的离散接触事件。
现有方法如粒子滤波（PF）和基于学习的方法往往难以同时应对这些挑战。 为此，ContactFlowFilter 将生成模型集成到 PF 框架中。 PF 的递归结构捕捉时间依赖性，而流匹配模型作为辅助提议分布来跟踪多模态信念并检测接触事件。 在仿真和真实世界实验中的广泛验证证实了所提方法的有效性。
在真实世界设置中，ContactFlowFilter 与目标分布的差异最小，单接触和双接触场景的误差分别仅为 0.36 cm 和 0.88 cm，运行时间分别为 0.69 ms 和 2.69 ms。