Diese Arbeit befasst sich mit der Bestimmung des Systemzustandes von zweibeinigen Laufrobotern, ohne auf externe Sensorik zurückzugreifen. Aufbauend auf einem bereits bestehenden Verfahren für den humanoiden Roboter Lola wird eine verbesserte Methode entwickelt, um möglichst viele Systemfreiheitsgrade zuverlässig und störunempfindlich zu schätzen. Den Kern der Zustandsschätzung stellt eine Sensordatenfusion mittels Kalman-Filter dar, deren Verhalten sowohl in einer Simulationsumgebung, als auch am realen System untersucht und bewertet wird. Aus den gewonnenen Erkenntnissen werden abschließend Vorschläge für mögliche Verbesserungen in zukünftigen Arbeiten gegeben.     «

Diese Arbeit befasst sich mit der Bestimmung des Systemzustandes von zweibeinigen Laufrobotern, ohne auf externe Sensorik zurückzugreifen. Aufbauend auf einem bereits bestehenden Verfahren für den humanoiden Roboter Lola wird eine verbesserte Methode entwickelt, um möglichst viele Systemfreiheitsgrade zuverlässig und störunempfindlich zu schätzen. Den Kern der Zustandsschätzung stellt eine Sensordatenfusion mittels Kalman-Filter dar, deren Verhalten sowohl in einer Simulationsumgebung, als auch...     »

This work deals with the determination of the system state of bipedal walking robots without dedicated external sensors. Based on an already existing method for the humanoid robot Lola, an improved method is being developed to reliably estimate as many system degrees of freedom as possible without interference. The core of the state estimation is a sensor data fusion using a Kalman filter, whose behavior is investigated and evaluated both in a simulation environment and on the real system. Based on the findings, suggestions for possible improvements in future work are given.     «

This work deals with the determination of the system state of bipedal walking robots without dedicated external sensors. Based on an already existing method for the humanoid robot Lola, an improved method is being developed to reliably estimate as many system degrees of freedom as possible without interference. The core of the state estimation is a sensor data fusion using a Kalman filter, whose behavior is investigated and evaluated both in a simulation environment and on the real system. Based...     »