論文の概要: Proprioceptive External Torque Learning for Floating Base Robot and its Applications to Humanoid Locomotion

• arxiv url: http://arxiv.org/abs/2309.04138v1
• Date: Fri, 8 Sep 2023 05:33:56 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-11 16:06:50.261950
• Title: Proprioceptive External Torque Learning for Floating Base Robot and its Applications to Humanoid Locomotion
• Title（参考訳）: フローティングベースロボットの固有受容器外トルク学習とそのヒューマノイドロコモーションへの応用
• Authors: Daegyu Lim, Myeong-Ju Kim, Junhyeok Cha, Donghyeon Kim, Jaeheung Park
• Abstract要約: 本稿では,浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点 実際のロボット実験では、ネットワークは外部トルクと接触レンチをはるかに小さな誤差で推定できることを示した。 また,ゼロモーメントポイント(ZMP)フィードバック制御において,推定した接触レンチが有効であることを示す。
• 参考スコア（独自算出の注目度）: 17.384713355349476
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The estimation of external joint torque and contact wrench is essential for achieving stable locomotion of humanoids and safety-oriented robots. Although the contact wrench on the foot of humanoids can be measured using a force-torque sensor (FTS), FTS increases the cost, inertia, complexity, and failure possibility of the system. This paper introduces a method for learning external joint torque solely using proprioceptive sensors (encoders and IMUs) for a floating base robot. For learning, the GRU network is used and random walking data is collected. Real robot experiments demonstrate that the network can estimate the external torque and contact wrench with significantly smaller errors compared to the model-based method, momentum observer (MOB) with friction modeling. The study also validates that the estimated contact wrench can be utilized for zero moment point (ZMP) feedback control, enabling stable walking. Moreover, even when the robot's feet and the inertia of the upper body are changed, the trained network shows consistent performance with a model-based calibration. This result demonstrates the possibility of removing FTS on the robot, which reduces the disadvantages of hardware sensors. The summary video is available at https://youtu.be/gT1D4tOiKpo.
• Abstract（参考訳）: 外関節トルクと接触レンチの推定は、ヒューマノイドと安全指向ロボットの安定した移動を実現するために不可欠である。 ヒューマノイドの足の接触レンチは力トルクセンサー(FTS)を用いて測定できるが、FTSはシステムのコスト、慣性、複雑さ、故障の可能性を高める。 本稿では, プロピオセプティブセンサ(エンコーダ, imus)のみを用いて, 浮動ベースロボットの外部関節トルクを学習する方法を提案する。 学習にはGRUネットワークを使用し、ランダムウォーキングデータを収集する。 実際のロボット実験では, 摩擦モデルを用いたモーメントオブザーバ (MOB) と比較して, 外部トルクと接触レンチを誤差で推定できることが実証された。 この研究は、推定された接触レンチがゼロモーメントポイント(ZMP)フィードバック制御に利用できることを検証する。 また、ロボットの足と上半身の慣性が変化しても、トレーニングされたネットワークはモデルに基づくキャリブレーションと一貫した性能を示す。 この結果,ロボット上でのFTS除去の可能性を示し,ハードウェアセンサの欠点を低減した。 要約ビデオはhttps://youtu.be/gT1D4tOiKpo.comで公開されている。

関連論文リスト

• LPAC: Learnable Perception-Action-Communication Loops with Applications to Coverage Control [80.86089324742024]
  本稿では,その問題に対する学習可能なパーセプション・アクション・コミュニケーション(LPAC)アーキテクチャを提案する。 CNNは局所認識を処理する。グラフニューラルネットワーク(GNN)はロボットのコミュニケーションを促進する。 評価の結果,LPACモデルは標準分散型および集中型カバレッジ制御アルゴリズムよりも優れていた。
  論文  参考訳（メタデータ） (2024-01-10T00:08:00Z)
• Learning-based adaption of robotic friction models [48.453527255659296]
  我々は、可能な限り少ないデータを用いて、既存の摩擦モデルを新しいダイナミクスに適用するための新しいアプローチを導入する。 提案する推定器は,従来のモデルベースアプローチとベースニューラルネットワークを著しく上回る性能を示した。 本手法はトレーニング中に外部負荷を伴うデータに依存しないため,外部トルクセンサは不要である。
  論文  参考訳（メタデータ） (2023-10-25T14:50:15Z)
• Robot Learning with Sensorimotor Pre-training [98.7755895548928]
  ロボット工学のための自己教師型感覚運動器事前学習手法を提案する。 我々のモデルはRTTと呼ばれ、センサモレータトークンのシーケンスで動作するトランスフォーマーである。 感覚運動の事前学習は、ゼロからトレーニングを一貫して上回り、優れたスケーリング特性を持ち、さまざまなタスク、環境、ロボット間での移動を可能にしている。
  論文  参考訳（メタデータ） (2023-06-16T17:58:10Z)
• Fine Robotic Manipulation without Force/Torque Sensor [9.908082209033612]
  典型的な6軸力/トルクセンサ(F/T)がロボットの手首と端エフェクターの間に装着され、環境がロボットに与える力(外部レンチ)を測定する。 典型的な6軸F/Tセンサーは高い精度で測定できるが、ドリフトや外部の衝撃に対して高価で脆弱である。 ロボットの内部信号のみを用いて外部レンチを推定する既存の手法は、スコープに限られている。 我々はニューラルネットワークに基づく手法を提案し、トレーニングデータ構造に特に注意を払うことで、正確に見積もることができると論じる。
  論文  参考訳（メタデータ） (2023-01-31T05:06:04Z)
• 6N-DoF Pose Tracking for Tensegrity Robots [5.398092221687385]
  引張ロボットは剛性圧縮要素(ロッド)と柔軟な引張要素(ケーブルなど)から構成される この研究は、マーカーのない視覚に基づく方法で、緊張するロボットのポーズトラッキングに対処することを目的としている。 RGB-Dビデオから張力ロボットの各剛体要素の6-DoFポーズを反復的に推定するプロセスを提案する。
  論文  参考訳（メタデータ） (2022-05-29T20:55:29Z)
• Model Predictive Control for Fluid Human-to-Robot Handovers [50.72520769938633]
  人間の快適さを考慮に入れた計画運動は、人間ロボットのハンドオーバプロセスの一部ではない。 本稿では,効率的なモデル予測制御フレームワークを用いてスムーズな動きを生成することを提案する。 ユーザ数名の多様なオブジェクトに対して,人間とロボットのハンドオーバ実験を行う。
  論文  参考訳（メタデータ） (2022-03-31T23:08:20Z)
• Training Robots without Robots: Deep Imitation Learning for Master-to-Robot Policy Transfer [4.318590074766604]
  深層模倣学習は、デモサンプルのみを必要とするため、ロボット操作に有望である。 既存の実証手法には欠点があり、双方向遠隔操作には複雑な制御方式が必要であり、高価である。 本研究は、力覚フィードバックに基づく操作タスクをロボットに教える必要がない新しいM2Rポリシー伝達システムを提案する。
  論文  参考訳（メタデータ） (2022-02-19T10:55:10Z)
• Online Body Schema Adaptation through Cost-Sensitive Active Learning [63.84207660737483]
  この作業は、icubロボットシミュレータの7dofアームを使用して、シミュレーション環境で実行された。 コストに敏感な能動学習手法は最適な関節構成を選択するために用いられる。 その結果,コスト依存型能動学習は標準的な能動学習手法と同等の精度を示し,実行運動の約半分を減らした。
  論文  参考訳（メタデータ） (2021-01-26T16:01:02Z)
• DIGIT: A Novel Design for a Low-Cost Compact High-Resolution Tactile Sensor with Application to In-Hand Manipulation [16.54834671357377]
  汎用的な手動操作は、ロボティクスの未解決課題の1つとして残されている。 DIGITは安価でコンパクトで高解像度な触覚センサで、手作業で操作できる。
  論文  参考訳（メタデータ） (2020-05-29T17:07:54Z)
• Populations of Spiking Neurons for Reservoir Computing: Closed Loop Control of a Compliant Quadruped [64.64924554743982]
  本稿では,ニューラルネットワークを用いた中央パターン生成機構を実装し,閉ループロボット制御を実現するためのフレームワークを提案する。 本研究では,従順な四足歩行ロボットのシミュレーションモデル上で,予め定義された歩行パターン,速度制御,歩行遷移の学習を実演する。
  論文  参考訳（メタデータ） (2020-04-09T14:32:49Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。