論文の概要: Adaptive Control Strategy for Quadruped Robots in Actuator Degradation Scenarios

• arxiv url: http://arxiv.org/abs/2312.17606v1
• Date: Fri, 29 Dec 2023 14:04:45 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-02 09:50:37.975132
• Title: Adaptive Control Strategy for Quadruped Robots in Actuator Degradation Scenarios
• Title（参考訳）: アクチュエータ劣化シナリオにおける四足ロボットの適応制御戦略
• Authors: Xinyuan Wu, Wentao Dong, Hang Lai, Yong Yu and Ying Wen
• Abstract要約: 本稿では,Actuator Degradation Adaptation Transformer (ADAPT) という,強化学習に根ざした教師学習フレームワークを提案する。 ADAPTは統合制御戦略を作成し、ロボットは突然の関節アクチュエータの故障にもかかわらず、移動を継続し、タスクを実行することができる。 Unitree A1プラットフォームに関する実証的な評価は、現実世界の四足歩行ロボットにおけるAdaptのデプロイ性と有効性を検証する。
• 参考スコア（独自算出の注目度）: 16.148061952978246
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Quadruped robots have strong adaptability to extreme environments but may also experience faults. Once these faults occur, robots must be repaired before returning to the task, reducing their practical feasibility. One prevalent concern among these faults is actuator degradation, stemming from factors like device aging or unexpected operational events. Traditionally, addressing this problem has relied heavily on intricate fault-tolerant design, which demands deep domain expertise from developers and lacks generalizability. Learning-based approaches offer effective ways to mitigate these limitations, but a research gap exists in effectively deploying such methods on real-world quadruped robots. This paper introduces a pioneering teacher-student framework rooted in reinforcement learning, named Actuator Degradation Adaptation Transformer (ADAPT), aimed at addressing this research gap. This framework produces a unified control strategy, enabling the robot to sustain its locomotion and perform tasks despite sudden joint actuator faults, relying exclusively on its internal sensors. Empirical evaluations on the Unitree A1 platform validate the deployability and effectiveness of Adapt on real-world quadruped robots, and affirm the robustness and practicality of our approach.
• Abstract（参考訳）: 四足歩行ロボットは極端な環境に強い適応性を持つが、欠点を経験することもある。 これらの障害が発生したら、ロボットはタスクに戻る前に修理されなければならない。 これらの欠点の1つがアクチュエータ劣化であり、デバイス老化や予期せぬ運用イベントなどの要因に起因する。 伝統的に、この問題に対処するには複雑なフォールトトレラント設計に大きく依存している。 学習に基づくアプローチは、これらの制限を緩和する効果的な方法を提供するが、現実世界の四足ロボットにそのような方法を効果的に配置する研究上のギャップが存在する。 本稿では,Actuator Degradation Adaptation Transformer (ADAPT) という,強化学習に根ざした先駆的な教師学習フレームワークについて紹介する。 このフレームワークは統合された制御戦略を生み出し、ロボットは内部センサーにのみ依存しながら、突然の関節アクチュエータ障害にもかかわらず、移動を維持およびタスクを実行することができる。 unitree a1プラットフォームにおける経験的評価は、実世界の四足ロボットへの適応の展開可能性と有効性を検証し、このアプローチの堅牢性と実用性を確認する。

関連論文リスト

• Exploring the Adversarial Vulnerabilities of Vision-Language-Action Models in Robotics [70.93622520400385]
  本稿では,VLAに基づくロボットシステムのロバスト性を体系的に評価する。 本研究では,ロボット行動の不安定化に空間的基盤を活用する,標的のない位置認識型攻撃目標を提案する。 また、カメラの視野内に小さなカラフルなパッチを配置し、デジタル環境と物理環境の両方で効果的に攻撃を実行する逆パッチ生成アプローチを設計する。
  論文  参考訳（メタデータ） (2024-11-18T01:52:20Z)
• A Retrospective on the Robot Air Hockey Challenge: Benchmarking Robust, Reliable, and Safe Learning Techniques for Real-world Robotics [53.33976793493801]
  私たちは、NeurIPS 2023カンファレンスでRobot Air Hockey Challengeを組織しました。 我々は、シム・トゥ・リアルギャップ、低レベルの制御問題、安全性問題、リアルタイム要件、実世界のデータの限られた可用性など、ロボット工学における実践的な課題に焦点を当てる。 その結果、学習に基づくアプローチと事前知識を組み合わせたソリューションは、実際のデプロイメントが困難である場合にデータのみに依存するソリューションよりも優れていることがわかった。
  論文  参考訳（メタデータ） (2024-11-08T17:20:47Z)
• Deep Reinforcement Learning-based Obstacle Avoidance for Robot Movement in Warehouse Environments [6.061908707850057]
  本稿では,移動ロボット障害物回避アルゴリズムである倉庫環境に基づく深層強化学習を提案する。 深部強化学習アルゴリズムにおける値関数ネットワークの学習能力不足に対して、歩行者間の相互作用情報を歩行者角度グリッドを介して抽出する。 歩行者の空間行動に基づいて、強化学習の報酬関数を設計し、その角度が過度に変化する状態に対して、ロボットを罰する。
  論文  参考訳（メタデータ） (2024-09-23T12:42:35Z)
• Secure Control Systems for Autonomous Quadrotors against Cyber-Attacks [0.0]
  本研究はまず,自律型四元系のためのインテリジェント制御系を設計する。 最先端のディープラーニングに基づく手法を用いて、最適な偽データ注入攻撃方式を提案する。 私たちは最近、自律的な設定のためにデプロイされた最先端の4倍体であるAgiliciousをベースとしています。
  論文  参考訳（メタデータ） (2024-09-18T11:43:07Z)
• Robot Navigation with Entity-Based Collision Avoidance using Deep Reinforcement Learning [0.0]
  本稿では,ロボットのさまざまなエージェントや障害物との相互作用を高める新しい手法を提案する。 このアプローチでは、エンティティタイプに関する情報を使用し、衝突回避を改善し、より安全なナビゲーションを保証する。 本研究では,大人,自転車乗り,子供,静的障害物など,さまざまな物体との衝突に対してロボットをペナルティ化する新たな報酬関数を提案する。
  論文  参考訳（メタデータ） (2024-08-26T11:16:03Z)
• Commonsense Reasoning for Legged Robot Adaptation with Vision-Language Models [81.55156507635286]
  脚のついたロボットは、様々な環境をナビゲートし、幅広い障害を克服することができる。 現在の学習手法は、人間の監督を伴わずに、予期せぬ状況の長い尾への一般化に苦慮することが多い。 本稿では,VLM-Predictive Control (VLM-PC) というシステムを提案する。
  論文  参考訳（メタデータ） (2024-07-02T21:00:30Z)
• Bridging Active Exploration and Uncertainty-Aware Deployment Using Probabilistic Ensemble Neural Network Dynamics [11.946807588018595]
  本稿では,活発な探索と不確実性を考慮した展開を橋渡しするモデルベース強化学習フレームワークを提案する。 探索と展開の対立する2つのタスクは、最先端のサンプリングベースのMPCによって最適化されている。 自動運転車と車輪付きロボットの両方で実験を行い、探索と展開の両方に有望な結果を示します。
  論文  参考訳（メタデータ） (2023-05-20T17:20:12Z)
• Revisiting the Adversarial Robustness-Accuracy Tradeoff in Robot Learning [121.9708998627352]
  近年の研究では、現実的なロボット学習の応用において、対人訓練の効果が公平なトレードオフを起こさないことが示されている。 本研究は,ロボット学習におけるロバストネスと精度のトレードオフを再考し,最近のロバストトレーニング手法と理論の進歩により,現実のロボット応用に適した対人トレーニングが可能かどうかを解析する。
  論文  参考訳（メタデータ） (2022-04-15T08:12:15Z)
• Reinforcement Learning with Adaptive Curriculum Dynamics Randomization for Fault-Tolerant Robot Control [4.9631159466100305]
  ACDRアルゴリズムは、ランダムなアクチュエータ故障条件下で四足歩行ロボットを適応的に訓練することができる。 ACDRアルゴリズムは、アクチュエータ故障を検出するための追加モジュールを必要としないロボットシステムを構築するために使用できる。
  論文  参考訳（メタデータ） (2021-11-19T01:55:57Z)
• Adversarial Training is Not Ready for Robot Learning [55.493354071227174]
  対人訓練は,ノルム有界摂動に耐性のあるディープラーニングモデルを訓練する有効な方法である。 敵訓練により得られたニューラルコントローラが3種類の欠陥を受けることを理論的および実験的に示す。 この結果から, ロボット学習にはまだ対応できていないことが示唆された。
  論文  参考訳（メタデータ） (2021-03-15T07:51:31Z)
• Improving Input-Output Linearizing Controllers for Bipedal Robots via Reinforcement Learning [85.13138591433635]
  入力出力線形化コントローラの主な欠点は、正確な力学モデルが必要であり、入力制約を考慮できないことである。 本稿では,強化学習技術を用いた二足歩行ロボット制御の具体例について,両課題に対処する。
  論文  参考訳（メタデータ） (2020-04-15T18:15:49Z)

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。