論文の概要: Gaitor: Learning a Unified Representation Across Gaits for Real-World Quadruped Locomotion

• arxiv url: http://arxiv.org/abs/2405.19452v2
• Date: Wed, 09 Oct 2024 14:27:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-10 14:25:41.799348
• Title: Gaitor: Learning a Unified Representation Across Gaits for Real-World Quadruped Locomotion
• Title（参考訳）: ゲイター:現実世界の四足歩行のための一貫した表現学習
• Authors: Alexander L. Mitchell, Wolfgang Merkt, Aristotelis Papatheodorou, Ioannis Havoutis, Ingmar Posner,
• Abstract要約: 本稿では,移動歩行における乱れと2次元表現を学習するGaitorについて紹介する。 ゲイターの潜伏空間は容易に解釈可能であり、歩行遷移の間、新しい目に見えない歩行が出現することを発見した。 我々は,ANYmal Cプラットフォーム上でのシミュレーションと実世界におけるGaitorの評価を行った。
• 参考スコア（独自算出の注目度）: 61.01039626207952
• License:
• Abstract: The current state-of-the-art in quadruped locomotion is able to produce a variety of complex motions. These methods either rely on switching between a discrete set of skills or learn a distribution across gaits using complex black-box models. Alternatively, we present Gaitor, which learns a disentangled and 2D representation across locomotion gaits. This learnt representation forms a planning space for closed-loop control delivering continuous gait transitions and perceptive terrain traversal. Gaitor's latent space is readily interpretable and we discover that during gait transitions, novel unseen gaits emerge. The latent space is disentangled with respect to footswing heights and lengths. This means that these gait characteristics can be varied independently in the 2D latent representation. Together with a simple terrain encoding and a learnt planner operating in the latent space, Gaitor can take motion commands including desired gait type and swing characteristics all while reacting to uneven terrain. We evaluate Gaitor in both simulation and the real world on the ANYmal C platform. To the best of our knowledge, this is the first work learning a unified and interpretable latent space for multiple gaits, resulting in continuous blending between different locomotion modes on a real quadruped robot. An overview of the methods and results in this paper is found at https://youtu.be/eVFQbRyilCA.
• Abstract（参考訳）: 現在の四足歩行の最先端は、様々な複雑な動きを生み出すことができる。 これらの手法は、個別のスキルのセットを切り替えることに依存するか、複雑なブラックボックスモデルを用いて、歩留まりの分布を学習する。 あるいは、移動歩行にまたがるアンタングルと2次元の表現を学習するGaitorを提案する。 この学習表現は、連続的な歩行遷移と知覚的な地形を伝達する閉ループ制御のための計画空間を形成する。 ゲイターの潜伏空間は容易に解釈可能であり、歩行遷移の間、新しい目に見えない歩行が出現することを発見した。 潜伏空間は、足の高さと長さに関して絡み合っている。 これは、これらの歩行特性が2次元潜在表現において独立に変化することを意味する。 簡易な地形符号化と学習プランナーとともに、Gaitorは所望の歩行タイプやスイング特性を含むモーションコマンドを、不均一な地形に反応しながら行うことができる。 我々は,ANYmal Cプラットフォーム上でのシミュレーションと実世界におけるGaitorの評価を行った。 我々の知る限りでは、これは複数の歩行に対して統一的で解釈可能な潜在空間を学習した最初の作品であり、結果として実際の四足歩行ロボット上で異なる移動モードを連続的に混合する結果となった。 本論文の方法と結果の概要は、https://youtu.be/eVFQbRyilCAで確認されている。

関連論文リスト

• Learning Humanoid Locomotion over Challenging Terrain [84.35038297708485]
  本研究では,自然と人為的な地形を横断する視覚障害者の移動に対する学習に基づくアプローチを提案する。 本モデルではまず, 時系列モデルを用いた平地軌道のデータセット上で事前学習を行い, 補強学習を用いて不均一な地形を微調整する。 本研究では, 荒面, 変形面, 傾斜面など, 様々な地形にまたがる実際のヒューマノイドロボットを用いて, モデルを評価する。
  論文  参考訳（メタデータ） (2024-10-04T17:57:09Z)
• Reinforcement Learning for Versatile, Dynamic, and Robust Bipedal Locomotion Control [106.32794844077534]
  本稿では,二足歩行ロボットのための動的移動制御系を構築するために,深層強化学習を用いた研究について述べる。 本研究では、周期歩行やランニングから周期ジャンプや立位に至るまで、様々な動的二足歩行技術に使用できる汎用的な制御ソリューションを開発する。 この研究は、二足歩行ロボットの俊敏性の限界を、現実世界での広範な実験を通じて押し上げる。
  論文  参考訳（メタデータ） (2024-01-30T10:48:43Z)
• Universal Humanoid Motion Representations for Physics-Based Control [71.46142106079292]
  物理学に基づくヒューマノイド制御のための総合的な運動スキルを含む普遍的な運動表現を提案する。 まず、大きな非構造運動データセットから人間の動きをすべて模倣できる動き模倣機を学習する。 次に、模倣者から直接スキルを蒸留することで、動作表現を作成します。
  論文  参考訳（メタデータ） (2023-10-06T20:48:43Z)
• Legs as Manipulator: Pushing Quadrupedal Agility Beyond Locomotion [34.33972863987201]
  我々は四足歩行ロボットを訓練し、前脚を使って壁を登り、ボタンを押し、現実世界でオブジェクトインタラクションを行う。 これらのスキルはカリキュラムを用いてシミュレーションで訓練され,提案したsim2real 変種を用いて実世界へ移行する。 我々は,本手法をシミュレーションと実世界の双方で評価し,短距離および長距離のタスクの実行を成功させたことを示す。
  論文  参考訳（メタデータ） (2023-03-20T17:59:58Z)
• Legged Locomotion in Challenging Terrains using Egocentric Vision [70.37554680771322]
  本稿では,階段,縁石,石段,隙間を横断できる最初のエンドツーエンド移動システムを提案する。 この結果を,1台の前面深度カメラを用いた中型四足歩行ロボットに示す。
  論文  参考訳（メタデータ） (2022-11-14T18:59:58Z)
• VAE-Loco: Versatile Quadruped Locomotion by Learning a Disentangled Gait Representation [78.92147339883137]
  本研究では,特定の歩行を構成する主要姿勢位相を捕捉する潜在空間を学習することにより,制御器のロバスト性を高めることが重要であることを示す。 本研究では,ドライブ信号マップの特定の特性が,歩幅,歩幅,立位などの歩行パラメータに直接関係していることを示す。 生成モデルを使用することで、障害の検出と緩和が容易になり、汎用的で堅牢な計画フレームワークを提供する。
  論文  参考訳（メタデータ） (2022-05-02T19:49:53Z)
• Learning Free Gait Transition for Quadruped Robots via Phase-Guided Controller [4.110347671351065]
  本稿では,四足歩行ロボットが様々な歩行で操作するための簡単な制御方針を学習するための新しい枠組みを提案する。 中犬サイズの四足歩行ロボットであるBlack Pantherは、自然環境下での速度コマンドを円滑かつ堅牢に追跡しながら、学習したすべてのモータースキルを実行することができる。
  論文  参考訳（メタデータ） (2022-01-01T15:15:42Z)
• Learning Quadruped Locomotion Policies using Logical Rules [2.008081703108095]
  四足歩行ロボットの歩行仕様と効率的なポリシー学習を実現することを目的としている。 我々の手法はRM-based Locomotion Learning (RMLL)と呼ばれ、実行時の歩行周波数の調整をサポートする。 実際の四足歩行ロボットを用いて,これらの学習方針を実証する。
  論文  参考訳（メタデータ） (2021-07-23T00:37:32Z)
• Quadruped Locomotion on Non-Rigid Terrain using Reinforcement Learning [10.729374293332281]
  非剛性な動的地形上での移動学習のための新しい強化学習フレームワークを提案する。 55cmのトレーニングを受けたロボットは、最大5cmまで沈むことができる地形を歩ける。 様々な地形条件でロボットを訓練することで,本手法の有効性を示す。
  論文  参考訳（メタデータ） (2021-07-07T00:34:23Z)

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。