From Impact to Insight: Dynamics-Aware Proprioceptive Terrain Sensing on Granular Media
作者: Yifeng Zhang, Yue Wu, Jake Futterman, Jacob Meseha, Eduardo Rosales, Irie Cooper, J. Diego Caporale, Feifei Qian
分类: cs.RO
发布日期: 2026-04-06
💡 一句话要点
提出动力学感知的足端触觉方法，用于高速运动中沙土地形的稳健估计
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 地形表征 颗粒介质 动态系统 本体感觉 机器人 高速运动 力估计
📋 核心要点
- 现有地形表征方法依赖准静态假设，忽略了高速运动中速度和加速度相关的影响，导致地形参数估计不准确。
- 论文提出一种基于物理的框架，利用本体感觉，通过力分解和动量观测器，显式地考虑加速度相关的颗粒效应。
- 实验表明，该方法能够跨不同运动条件一致地恢复颗粒刚度参数，与线性执行器测量的真实值高度吻合。
📝 摘要（中文）
能够穿越自然地形的机器人必须能够解释高动态条件下产生的接触力。然而，大多数地形表征方法依赖于准静态假设，忽略了冲击和快速姿态转换过程中产生的速度和加速度相关效应。本文研究了高速跳跃过程中的颗粒地形相互作用，并开发了一个基于物理的框架，仅使用本体感觉进行动态地形表征。通过系统地改变冲击速度和腿部顺应性的受控跳跃实验，我们的测量结果表明，基于准静态的假设会导致高速跳跃过程中颗粒地形属性估计的巨大差异，尤其是在触地和控制器引起的刚度转换时。仅速度相关的阻力无法解释这些差异。相反，与足部下方的颗粒夹带相关的加速度相关的附加质量效应主导了瞬态力响应。我们将这种力分解与基于动量观测器的估计器集成，该估计器补偿了刚体惯性和重力，并引入了一种加速度感知的加权回归，以解决高加速度事件期间力方差增加的问题。总之，这些方法能够跨运动条件一致地恢复颗粒刚度参数，与线性执行器的真实值非常匹配。我们的结果表明，高速运动期间准确的地形推断需要明确处理加速度相关的颗粒效应，并为机器人在陆地和行星环境的动态探索过程中表征复杂的可变形地形奠定了基础。
🔬 方法详解
问题定义：现有地形表征方法在机器人高速运动时，由于忽略了速度和加速度相关的动态效应，导致对颗粒地形参数（如刚度）的估计出现较大偏差。尤其是在冲击和快速姿态转换等高动态场景下，准静态假设不再适用，影响了机器人对地形的准确理解和适应能力。
核心思路：论文的核心思路是建立一个动力学感知的地形表征框架，该框架能够显式地考虑加速度相关的颗粒效应。通过对接触力进行分解，区分准静态力、速度相关阻力和加速度相关附加质量效应，从而更准确地估计地形参数。同时，利用动量观测器补偿刚体惯性和重力，提高估计的鲁棒性。
技术框架：整体框架包括以下几个主要模块：1) 数据采集：通过机器人腿部的力/扭矩传感器和运动学信息，获取接触力和运动数据。2) 力分解：将接触力分解为准静态力、速度相关阻力和加速度相关附加质量效应。3) 动量观测器：利用动量观测器估计和补偿刚体惯性和重力。4) 加速度感知加权回归：使用加权回归方法，降低高加速度事件期间力方差的影响，提高参数估计的准确性。5) 地形参数估计：利用分解后的力和动量观测器输出，估计颗粒地形的刚度参数。
关键创新：最重要的技术创新点在于显式地考虑了加速度相关的附加质量效应，并将其纳入地形表征框架中。与现有方法仅考虑准静态力和速度相关阻力不同，该方法能够更准确地捕捉高速运动中颗粒地形的动态特性。此外，加速度感知加权回归也是一个创新点，它能够有效降低高加速度事件对参数估计的影响。
关键设计：力分解模型中，加速度相关附加质量效应的建模方式是关键。论文可能采用了基于经验或物理模型的参数化方法来描述附加质量与加速度之间的关系。此外，加权回归中权重的选择也至关重要，需要根据加速度的大小进行调整，以平衡不同加速度水平下的数据贡献。
🖼️ 关键图片
📊 实验亮点
实验结果表明，该方法能够显著提高高速运动中颗粒地形刚度参数的估计精度。与基于准静态假设的方法相比，该方法能够更准确地恢复地形参数，与线性执行器测量的真实值高度吻合。这验证了显式处理加速度相关颗粒效应的有效性，为高速运动机器人的地形感知提供了新的解决方案。
🎯 应用场景
该研究成果可应用于各种需要在复杂可变形地形上进行高速运动的机器人系统，例如：搜救机器人、行星探测车、农业机器人等。通过准确的地形表征，机器人可以更好地适应地形变化，提高运动效率和安全性，从而完成更复杂的任务。未来，该技术有望推动机器人自主探索和作业能力的提升。
📄 摘要（原文）
Robots that traverse natural terrain must interpret contact forces generated under highly dynamic conditions. However, most terrain characterization approaches rely on quasi-static assumptions that neglect velocity- and acceleration-dependent effects arising during impact and rapid stance transitions. In this work, we investigate granular terrain interaction during high-speed hopping and develop a physics-based framework for dynamic terrain characterization using proprioceptive sensing alone. Through controlled hopping experiments with systematically varied impact speed and leg compliance, our measurements reveal that quasi-static based assumptions lead to large discrepancies in granular terrain property estimation during high-speed hopping, particularly upon touchdown and controller-induced stiffness transitions. Velocity-dependent drag alone cannot explain these discrepancies. Instead, acceleration-dependent added-mass effects-associated with grain entrainment beneath the foot-dominate transient force responses. We integrate this force decomposition with a momentum-observer-based estimator that compensates for rigid-body inertia and gravity, and introduce an acceleration-aware weighted regression to account for increased force variance during high-acceleration events. Together, these methods enable consistent recovery of granular stiffness parameters across locomotion conditions, closely matching linear-actuator ground truth. Our results demonstrate that accurate terrain inference during high-speed locomotion requires explicit treatment of acceleration-dependent granular effects, and provide a foundation for robots to characterize complex deformable terrain during dynamic exploration of terrestrial and planetary environments.