論文の概要: Variable Stiffness for Robust Locomotion through Reinforcement Learning

• arxiv url: http://arxiv.org/abs/2502.09436v1
• Date: Thu, 13 Feb 2025 16:00:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-14 20:05:35.330751
• Title: Variable Stiffness for Robust Locomotion through Reinforcement Learning
• Title（参考訳）: 強化学習によるロバストロコモーションの可変剛性
• Abstract要約: 本稿では,関節位置とともに動作空間に可変剛性を統合する新しい制御パラダイムを提案する。 脚ごとの剛性(PLS)をグループ化する可変剛性ポリシは,速度トラッキングやプッシュリカバリにおいて,位置ベース制御よりも優れていた。
• 参考スコア（独自算出の注目度）: 8.577291729956137
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Reinforcement-learned locomotion enables legged robots to perform highly dynamic motions but often accompanies time-consuming manual tuning of joint stiffness. This paper introduces a novel control paradigm that integrates variable stiffness into the action space alongside joint positions, enabling grouped stiffness control such as per-joint stiffness (PJS), per-leg stiffness (PLS) and hybrid joint-leg stiffness (HJLS). We show that variable stiffness policies, with grouping in per-leg stiffness (PLS), outperform position-based control in velocity tracking and push recovery. In contrast, HJLS excels in energy efficiency. Furthermore, our method showcases robust walking behaviour on diverse outdoor terrains by sim-to-real transfer, although the policy is sorely trained on a flat floor. Our approach simplifies design by eliminating per-joint stiffness tuning while keeping competitive results with various metrics.
• Abstract（参考訳）: 強化学習ロコモーションにより、脚のあるロボットは、非常にダイナミックな動作を行うことができるが、しばしば関節の硬さを手作業で調整する時間を要する。 本稿では, 関節位置に沿った動作空間に可変剛性を統合する新しい制御パラダイムを導入し, 関節側剛性(PJS), 脚側剛性(PLS), 関節側剛性(HJLS)などの群状剛性制御を実現する。 脚ごとの剛性(PLS)をグループ化する可変剛性ポリシは,速度トラッキングやプッシュリカバリにおいて,位置ベース制御よりも優れていた。 対照的に、HJLSはエネルギー効率が優れている。 さらに,本手法は,平らな床で厳密に訓練されているにもかかわらず,実地移動による多様な屋外地形における頑健な歩行行動を示す。 提案手法は, 各種測定値との競合性を保ちながら, 接合部ごとの剛性調整をなくし, 設計を単純化する。

関連論文リスト

• VIDP: Variable Impedance Diffusion Policy for Compliant Robot Manipulation from Diverse Demonstrations [8.606058461805732]
  本稿では, 可変インピーダンス拡散政策(PVID)について紹介する。 剛性プロファイルにマッピングすることで、VIDPは力センサを使わずに、ポーズアクションとタスクコンプライアンスを共同で予測する。 実世界の実験では、VIDPはタスク成功率の固定インピーダンスベースラインを著しく上回っている。
  論文  参考訳（メタデータ） (2026-08-06T16:03:00Z)
• Active Stiffness Control of a Supportive Continuum Robot [0.764671395172401]
  補助連続ロボット(SCR)は、機械的に支持アームと結合することにより、操作連続ロボットの荷重保持能力を高める。 負荷応答を規制し、位置決め精度を維持するためには、アクティブ剛性制御が必要である。 本稿では、腱駆動型SCRのためのアクティブなタスク空間剛性制御フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-08-04T13:51:05Z)
• Adaptive Control of Motor-Position-Controlled Flexible Joint Robots with Uncertain Joint Stiffness [12.14646384398074]
  フレキシブルジョイントロボットのモデルベース制御を改善するための適応制御手法を提案する。 非弾性ロボットの古典的適応制御手法とは対照的に、暗黙的な制御法と制御入出力依存回帰行列に依存する。 非線形剛性特性を有するフレキシブルジョイントの実験結果から, 提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2026-07-15T12:53:04Z)
• Learning Reactive Dexterous Grasping via Hierarchical Task-Space RL Planning and Joint-Space QP Control [50.28263951510334]
  本稿では,リアクティブなデクスタリーグルーピングのためのハイブリッド階層型制御フレームワークを提案する。 提案手法は,低レベル共同実行から高レベル空間意図を明示的に分離する。 我々は厳密なシミュレーションと現実のパイプラインを通して提案したフレームワークを広範囲に検証する。
  論文  参考訳（メタデータ） (2026-05-05T04:49:38Z)
• Learn Weightlessness: Imitate Non-Self-Stabilizing Motions on Humanoid Robot [56.377161933570335]
  人間は自然に非自己安定化(NSS)運動中に「無重力」状態を利用する。 この生物学的メカニズムに着想を得て,データセットのアノテーションに対する無重力自動ラベル方式を提案する。 我々の研究は、正確な軌道追跡と適応的な環境相互作用のギャップを埋め、接触リッチなヒューマノイド制御のための生物学的にインスパイアされたソリューションを提供する。
  論文  参考訳（メタデータ） (2026-04-23T07:10:05Z)
• Probe-to-Grasp Manipulation Using Self-Sensing Pneumatic Variable-Stiffness Joints [9.920023397258435]
  本稿では,物体の相対剛性を推定するためのプローブ・トゥ・グラフ操作フレームワークを提案する。 自覚式空気圧可変剛性ジョイントを備えた受動ソフトリジッド2指ハイブリッドグリップを用いた。 本研究では, 剛性評価実験による自己知覚モデルの有効性を検証し, 実生活応用における剛性認識型探索・解析を実証する。
  論文  参考訳（メタデータ） (2026-03-29T18:43:19Z)
• Weight Updates as Activation Shifts: A Principled Framework for Steering [54.70188910511715]
  アクティベーションステアリングは極めてパラメータ効率のよい適応形態となるが、その有効性は重要な設計選択に依存する。 我々は,活性化空間介入と重量空間更新の1次等価性を確立し,活性化ステアリングが微調整動作を再現できる条件を導出する。 この等価性は、設計をステアリングするための原則的な枠組みをもたらし、ポストブロック出力を理論的に支持され、非常に表現力のある介入サイトとして特定する。
  論文  参考訳（メタデータ） (2026-02-28T02:50:04Z)
• Grasp to Act: Dexterous Grasping for Tool Use in Dynamic Settings [5.05447792208957]
  本稿では,物理学に基づくグリップ最適化と強化学習に基づくグリップ適応を組み合わせたハイブリッドシステムGrasp-to-Actを提案する。 提案手法では,人間の実演から得られる頑健なグリップ構成を合成し,手動滑走を防止するために,手動補正を残留的に発行する適応制御器を用いる。 16-DoFデキスタラスハンドを用いたシミュレーションおよび実世界のハードウェア試行において,本手法は手動の翻訳および回転のスリップを低減し,タスク完了率が最も高い。
  論文  参考訳（メタデータ） (2026-02-24T01:53:39Z)
• HUSKY: Humanoid Skateboarding System via Physics-Aware Whole-Body Control [67.58927286226925]
  本稿では,ヒューマノイド・スケータボードシステムモデリングと物理を意識した全身制御を統合した学習ベースのフレームワークを提案する。 Unitree G1のヒューマノイドプラットフォームでの実験では、現実のシナリオにおいて、私たちのフレームワークがスケートボード上で安定的でアジャイルな操作を可能にすることが示されています。
  論文  参考訳（メタデータ） (2026-02-03T07:18:01Z)
• CHIP: Adaptive Compliance for Humanoid Control through Hindsight Perturbation [70.5382178207975]
  hIsight Perturbation (CHIP)は、制御可能なエンドエフェクタ剛性を実現するプラグイン・アンド・プレイモジュールである。 CHIPの実装は簡単で、データ拡張も追加の報酬チューニングも必要ありません。 そこで本研究では,CHIPでトレーニングした汎用モーショントラッキングコントローラが,多種多様な操作タスクを実行できることを示す。
  論文  参考訳（メタデータ） (2025-12-16T18:56:04Z)
• RobotDancing: Residual-Action Reinforcement Learning Enables Robust Long-Horizon Humanoid Motion Tracking [50.200035833530876]
  RobotDancingはシンプルでスケーラブルなフレームワークで、残留する関節の目標を予測して、ダイナミックスの不一致を明示的に修正する。 複数分間の高エネルギー動作(ジャンプ、スピン、カートホイール)をトラッキングし、高いモーショントラッキング品質のハードウェアにゼロショットをデプロイする。
  論文  参考訳（メタデータ） (2025-09-25T03:30:34Z)
• Improving Human Motion Plausibility with Body Momentum [49.636235399261494]
  多くの研究は、世界フレームの根関節と大域運動に付随するフレームにおいて、人間の動きを局所運動に分解する。 本研究では,局所運動とグローバル運動を結びつける制約として,全身の線形運動量と角運動量を用いることを提案する。 我々は,生成したモーメントプロファイルと地中構造データで観測されるモーメントプロファイルの整合性を強制する新たな損失項を導入する。
  論文  参考訳（メタデータ） (2025-09-11T14:34:32Z)
• MULE: Multi-terrain and Unknown Load Adaptation for Effective Quadrupedal Locomotion [1.479858319622657]
  四足歩行ロボットは、様々な地形にまたがる荷積み作業にますます利用されている。 本研究では,四足歩行ロボットが様々なペイロードと多様な地形に適応できる適応強化学習フレームワークを提案する。 提案手法はIsaac Gymの大規模シミュレーション実験と,Unitree Go1の4倍体上での実際のハードウェア展開により検証する。
  論文  参考訳（メタデータ） (2025-05-01T12:41:35Z)
• Coordinating Spinal and Limb Dynamics for Enhanced Sprawling Robot Mobility [0.047116288835793156]
  柔軟性のある脊椎は、脊椎に沿って波状の動きを通して身体を揺らぎ、不均一な地形や障害物を航行するのを助ける。 表面の不規則や摩擦の変動といった環境の不確実性は、体-肢の協調を著しく阻害する。 深い強化学習は、非決定論的環境を扱うための有望なフレームワークを提供する。 本研究では,サンショウウオのようなロボットを用いた学習型制御戦略と生物学的にインスパイアされた歩行設計手法について比較検討した。
  論文  参考訳（メタデータ） (2025-04-18T23:08:48Z)
• Spatial-Temporal Graph Diffusion Policy with Kinematic Modeling for Bimanual Robotic Manipulation [88.83749146867665]
  既存のアプローチは、遠く離れた次のベストなエンドエフェクタのポーズを予測するポリシーを学びます。 すると、運動に対する対応する関節回転角を逆運動学を用いて計算する。 本稿では,Kinematics 拡張空間テンポアル gRaph diffuser を提案する。
  論文  参考訳（メタデータ） (2025-03-13T17:48:35Z)
• GainAdaptor: Learning Quadrupedal Locomotion with Dual Actors for Adaptable and Energy-Efficient Walking on Various Terrains [0.8739101659113157]
  深部強化学習(DRL)は、課題のある環境で脚のあるロボットを制御する革新的なソリューションとして登場した。 本稿では、地形適応性とエネルギー効率を向上させるために、共同PDゲインを自律的に調整する適応利得制御フレームワークGainAdaptorを提案する。 本手法の有効性を,Unitree Go1ロボットを用いた実験により検証し,様々な地形における移動性能の向上を実証した。
  論文  参考訳（メタデータ） (2024-12-12T18:06:22Z)
• Deep-Learning Control of Lower-Limb Exoskeletons via simplified Therapist Input [0.0]
  部分補助性外骨格は歩行回復に有意な可能性を秘めている。 外骨格における相互作用トルクの制御は階層的な制御構造に依存している。 この研究は、外骨格における階層制御の限界に対処する3段階のデータ駆動型アプローチを提案する。
  論文  参考訳（メタデータ） (2024-12-10T22:52:44Z)
• Differentiable Simulation of Soft Multi-body Systems [99.4302215142673]
  我々は、Projective Dynamics内でトップダウン行列アセンブリアルゴリズムを開発する。 筋肉,関節トルク,空気圧管によって駆動される軟口蓋体に対して,異なる制御機構を導出する。
  論文  参考訳（メタデータ） (2022-05-03T20:03:22Z)
• 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)
• Next Steps: Learning a Disentangled Gait Representation for Versatile Quadruped Locomotion [69.87112582900363]
  現在のプランナーは、ロボットが動いている間、キー歩行パラメータを連続的に変更することはできない。 本研究では、特定の歩行を構成する重要な姿勢位相を捉える潜在空間を学習することにより、この制限に対処する。 本研究では, 歩幅, 歩幅, 立位など, 歩行パラメータに直接対応した駆動信号マップの具体的特性を示す。
  論文  参考訳（メタデータ） (2021-12-09T10:02:02Z)
• Learning to Jump from Pixels [23.17535989519855]
  我々は、高度にアジャイルな視覚的誘導行動の合成法であるDepth-based Impulse Control (DIC)を提案する。 DICは、モデルフリー学習の柔軟性を提供するが、地面反応力の明示的なモデルベース最適化により、振る舞いを規則化する。 提案手法をシミュレーションと実世界の両方で評価する。
  論文  参考訳（メタデータ） (2021-10-28T17:53:06Z)
• Consolidating Kinematic Models to Promote Coordinated Mobile Manipulations [96.03270112422514]
  我々は,移動体ベース,アーム,移動体操作で操作する物体の運動学を統合する仮想キネマティックチェイン(VKC)を構築した。 移動操作タスクは、構築されたVKCの状態を変更して表現され、移動計画問題に変換することができる。
  論文  参考訳（メタデータ） (2021-08-03T02:59:41Z)
• Reinforcement Learning for Robust Parameterized Locomotion Control of Bipedal Robots [121.42930679076574]
  シミュレーションにおけるロコモーションポリシをトレーニングするためのモデルフリー強化学習フレームワークを提案する。 ドメインランダム化は、システムダイナミクスのバリエーションにまたがる堅牢な振る舞いを学ぶためのポリシーを奨励するために使用されます。 本研究では、目標歩行速度、歩行高さ、旋回ヨーなどの多目的歩行行動について示す。
  論文  参考訳（メタデータ） (2021-03-26T07:14:01Z)
• ADD: Analytically Differentiable Dynamics for Multi-Body Systems with Frictional Contact [26.408218913234872]
  剛体および変形可能な物体に対する摩擦接触を処理できる微分可能な動的解法を提案する。 本手法は, 摩擦接触の非平滑な性質に起因した主な困難を回避できる。
  論文  参考訳（メタデータ） (2020-07-02T09:51:36Z)
• Learning Compliance Adaptation in Contact-Rich Manipulation [81.40695846555955]
  本稿では,コンタクトリッチタスクに必要な力プロファイルの予測モデルを学習するための新しいアプローチを提案する。 このアプローチは、双方向Gated Recurrent Units (Bi-GRU) に基づく異常検出と適応力/インピーダンス制御を組み合わせたものである。
  論文  参考訳（メタデータ） (2020-05-01T05:23:34Z)

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。