Stop to Decide: Latency-Aware Proprioceptive Navigation Primitives for Mapping-Free Quadruped Inspection
作者: Hanting Suo, Haonan Yan, Liang Wang, Aiguo Song
分类: cs.RO
发布日期: 2026-07-13
备注: 30 pages, 10 figures, 8 tables. Hanting Suo and Haonan Yan contributed equally. Submitted to Intelligent Service Robotics
💡 一句话要点
提出延迟感知的自我感知导航原语以解决四足机器人无地图检查问题
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 四足机器人 自我感知导航 延迟感知 无地图导航 工业检查 动态环境 导航决策
📋 核心要点
- 现有的四足机器人在计算资源受限时，导航循环频率低，导致无法准确判断到达目标位置。
- 本文提出了一种基于延迟感知的自我感知导航原语，结合多种传感器数据，优化了导航决策过程。
- 实验结果显示，该方法在特定环境下的成功率达到90%，并且在不同循环速率下表现出显著的提升。
📝 摘要（中文）
计算资源受限的四足机器人在导航循环中运行速度远低于控制器设计速率，导致在爬升过程中无法准确判断到达楼梯顶端。本文提出了一种延迟感知的自我感知导航原语，通过内置的惯性测量单元和多种传感器组合，优化了机器人在无地图环境中的导航能力。实验结果表明，该方法在特定环境下的成功率达到90%，并且在不同循环速率下表现出显著的稳定性。
🔬 方法详解
问题定义：本文旨在解决计算资源受限的四足机器人在导航过程中由于延迟导致的目标到达判断不准确的问题。现有方法在低频率下无法有效处理动态环境中的导航决策。
核心思路：提出了一种延迟感知的自我感知导航原语，通过结合内置的惯性测量单元和多种传感器数据，实时优化导航决策，确保在无地图环境中有效执行任务。
技术框架：整体架构包括多个模块：内置惯性测量单元、四个足部力传感器、三个一维距离传感器和一台线扫描相机。这些模块共同工作，支持机器人在复杂环境中的导航和检测。
关键创新：最重要的技术创新在于通过延迟感知机制，显著提高了机器人在动态环境中的导航精度，与传统方法相比，能够在更低的循环频率下保持高效的导航性能。
关键设计：关键参数包括循环频率设置（约19 Hz），以及在特定环境下的传感器组合和数据处理策略，确保机器人在执行任务时的稳定性和准确性。实验中使用的逻辑剂量反应模型有效捕捉了导航失败的原因。
🖼️ 关键图片
📊 实验亮点
实验结果显示，在特定环境下，机器人成功完成检查任务的比例达到90%。在不同循环频率下，机器人在到达目标位置的判断上表现出显著的稳定性，尤其在15 Hz的循环频率下，成功率与传统方法相比提升了约33%。
🎯 应用场景
该研究的潜在应用领域包括工业检查、灾后评估和搜索救援等场景，尤其是在复杂和未知环境中，四足机器人能够有效执行自主导航和任务执行。未来，该技术有望进一步提升机器人在动态环境中的适应能力和智能化水平。
📄 摘要（原文）
Compute-constrained quadrupeds often run their navigation loop far below the controller's design rate: sharing the onboard Jetson Orin with the vision pipeline slows our stair loop to about 15 Hz. This latency breaks a standard proprioceptive pattern: declaring stair-summit arrival from the body-pitch signal while still climbing. On a stepped platform whose 50 cm top is shorter than the robot (Unitree Go2, about 75 cm), in-motion detection overshoots the top edge with probability rising with the per-period advance v/f (the slowest about 15 Hz cell partly diluted by a separate non-arrival mode), whereas a climb-settle cadence holds overshoot near zero at every loop rate (pooled 22/45 vs 1/45 over about 30/20/15 Hz; Fisher p about 2.4e-7; 7/15 vs 0/15 at the deployed about 15 Hz). A logistic dose-response model in v/f captures the failure; a pre-specified 40 Hz out-of-sample test favours the protocol-clean fit (33% observed vs 43%/22% predicted), giving a deployment rule (critical loop rate about 19 Hz at 0.30 m/s). The detector sits in a fully onboard, mapping-free and learning-free stack: built-in inertial measurement unit, four foot-force channels, three 1-D ranges, one line camera, chaining line-following, a three-segment maneuver for 90-degree corners in a 55 cm corridor (20/20 contact-free vs 14/20 with 12 wall contacts for in-place yaw; exit-heading error 1.56 degrees vs 5.64 degrees), and stair traversal, completing the inspection course in 18/20 trials (90%). Results are from a single course geometry, platform, and operator.