OmniCalib: Target-Free, Task-Structured Self-Calibration for Humanoid Robots

📄 arXiv: 2609.19582v2 📥 PDF

作者: Kaixiang Lu, Haiyu Lan, Chunxiao Qiao, You Li, Enyu Li, Yehao Lu, Jiarui Yang, Peiwen Lin, Chuang Wang

分类: cs.RO

发布日期: 2026-09-17 (更新: 2026-09-18)

备注: 6 figures, 3 tables

💡 一句话要点

提出OmniCalib以解决人形机器人自校准问题

🎯 匹配领域: 支柱一：机器人控制 (Robot Control) 支柱三：空间感知与语义 (Perception & Semantics)

关键词: 自校准 人形机器人 深度ICP 多摄像头 机器人运动

📋 核心要点

  1. 现有的校准方法通常只能处理单一传感器对，或依赖外部标定物，限制了其应用范围。
  2. OmniCalib通过利用机器人原生运动和机载传感器，提出了一种无需目标的自校准工作流程，能够全面校准上肢和下肢。
  3. 实验结果表明，使用OmniCalib在AGIBOT A3 Ultra人形机器人上实现了低于0.1度的关节零位恢复精度，显示出其优越性。

📝 摘要（中文）

组装、磨损和组件更换会扰动人形机器人CAD模型中编码的传感器外部参数和关节零位。现有方法通常只能校准一对传感器或需要外部标定物。本文提出OmniCalib，一种无需目标的工作流程，能够校准完整的上肢（14个手臂关节零位及手腕和胸部摄像头的外部参数）、下肢及多摄像头头部装置。每个模块将机器人原生任务与参数块匹配，检查可观测性，并仅将支持的修正写入CAD模型。我们的深度ICP方法在没有任何标定目标的情况下恢复所有14个手臂关节零位，并校准所有RGB-D摄像头的外部参数。相对于CAD，估计的外部修正值为左手腕10.56mm和1.74度，右手腕6.33mm和1.25度，胸部RGB-D摄像头9.81mm和0.929度。

🔬 方法详解

问题定义：本文旨在解决人形机器人在组装和维护过程中传感器外部参数和关节零位的扰动问题。现有方法的痛点在于只能校准单一传感器对或依赖外部标定物，限制了其灵活性和适用性。

核心思路：OmniCalib的核心思路是利用机器人自身的运动和机载传感器，构建一种无需外部目标的自校准流程，通过匹配任务与参数块来实现全面校准。

技术框架：该方法的整体架构包括多个模块，每个模块负责特定的校准任务，检查可观测性并将修正结果写入CAD模型。主要模块包括上肢校准、下肢校准和头部多摄像头校准。

关键创新：OmniCalib的最大创新在于其无需目标的校准能力，利用深度ICP方法在没有标定目标的情况下恢复关节零位和摄像头外部参数，这与现有方法有本质区别。

关键设计：在技术细节上，OmniCalib采用了深度ICP算法来处理点云数据，确保了高精度的关节零位恢复和外部参数校准，同时通过动态补偿和视觉里程计结合提高了头部模块的精度。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果显示，OmniCalib在AGIBOT A3 Ultra人形机器人上的校准精度优于0.1度，左手腕、右手腕和胸部RGB-D摄像头的外部修正值分别为10.56mm、6.33mm和9.81mm，ICP点到平面的残差为2.09mm，展示了其在实际应用中的竞争力。

🎯 应用场景

OmniCalib的研究成果在机器人领域具有广泛的应用潜力，尤其是在人形机器人自校准、维护和操作中。通过提高校准精度，该方法能够增强机器人的自主性和适应性，未来可能在服务机器人、工业机器人等领域发挥重要作用。

📄 摘要（原文）

Assembly, wear, and component replacement perturb the sensor extrinsics and joint zeros encoded by a humanoid CAD model. Existing procedures calibrate one sensor pair or require external fiducials. Using only robot-native motion and onboard sensing, we present OmniCalib, a target-free workflow that calibrates the full upper limbs---all 14 arm joint zeros and the extrinsics of both wrist and chest cameras---as well as lower limbs and the multi-camera head rig. Each module matches a robot-native task to a parameter block, checks observability, and writes only supported corrections to the CAD model. Our depth ICP method recovers all 14 arm joint zeros and calibrates all RGB-D camera extrinsics without any calibration target. Relative to CAD, the estimated extrinsic corrections are 10.56 mm and 1.74 degrees for the left wrist, 6.33 mm and 1.25 degrees for the right wrist, and 9.81 mm and 0.929 degrees for the chest RGB-D camera. ICP point-to-plane residual is 2.09 mm. On the same injected offsets, ICP and ArUco recover all 14 joint zeros below the 0.1-degree encoder-resolution reference. On an AGIBOT A3 Ultra humanoid, four static double-support stances recover all 12 lower-limb joint-zero offsets injected with an RMS error of 0.063 degrees. The head module combines multi-camera visual odometry with legged odometry and dynamic compensation through the live ROS transform tree. Using only planar walking, it attains a mean SO(3) error of 1.061 degrees across three sequences. The best sequence reaches 0.775 degrees, competitive with iKalibr at 0.902 degrees from rich 6-DOF excitation. Rig-relative angles repeat within 0.140 degrees. Injection recovery and held-out tests validate each observable block.