論文の概要: Quadrupedal Robot Skateboard Mounting via Reverse Curriculum Learning

• arxiv url: http://arxiv.org/abs/2505.06561v1
• Date: Sat, 10 May 2025 08:17:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-13 20:21:48.907884
• Title: Quadrupedal Robot Skateboard Mounting via Reverse Curriculum Learning
• Title（参考訳）: 逆カリキュラム学習による四足歩行ロボットのランディング
• Authors: Danil Belov, Artem Erkhov, Elizaveta Pestova, Ilya Osokin, Dzmitry Tsetserukou, Pavel Osinenko,
• Abstract要約: 本研究の目的は、逆カリキュラム強化学習を用いて、四足歩行ロボットにスケートボードを装着できるようにすることである。 タスクの終端フェーズから始まり、目的を近似するために問題定義の複雑さを徐々に増大させる目標指向の方法論が採用された。 学習された方針は、スケートボードの位置と方向のバリエーションに対して堅牢性を示し、最終的にはモバイルスケートボードを含むシナリオへの移動に成功した。
• 参考スコア（独自算出の注目度）: 2.201107282249874
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The aim of this work is to enable quadrupedal robots to mount skateboards using Reverse Curriculum Reinforcement Learning. Although prior work has demonstrated skateboarding for quadrupeds that are already positioned on the board, the initial mounting phase still poses a significant challenge. A goal-oriented methodology was adopted, beginning with the terminal phases of the task and progressively increasing the complexity of the problem definition to approximate the desired objective. The learning process was initiated with the skateboard rigidly fixed within the global coordinate frame and the robot positioned directly above it. Through gradual relaxation of these initial conditions, the learned policy demonstrated robustness to variations in skateboard position and orientation, ultimately exhibiting a successful transfer to scenarios involving a mobile skateboard. The code, trained models, and reproducible examples are available at the following link: https://github.com/dancher00/quadruped-skateboard-mounting
• Abstract（参考訳）: 本研究の目的は、逆カリキュラム強化学習を用いて四足歩行ロボットにスケートボードを装着できるようにすることである。 以前の作業では、既にボード上に置かれている四足歩行のスケートボードを実証していたが、初期実装フェーズは依然として大きな課題となっている。 タスクの終端フェーズから始まり、目的を近似するために問題定義の複雑さを徐々に増大させる目標指向の方法論が採用された。 学習プロセスは、世界座標フレーム内に厳格に固定されたスケートボードと、その上にロボットを配置することで開始された。 これらの初期条件を緩やかに緩和することで、学習方針はスケートボードの位置や方向の変動に頑健さを示し、最終的には移動式スケートボードを含むシナリオへの移動に成功した。 コード、トレーニングされたモデル、再現可能な例は以下のリンクで確認できる。

関連論文リスト

• AcL: Action Learner for Fault-Tolerant Quadruped Locomotion Control [6.367763741086336]
  Action Learner (AcL) は、教師による新しい強化学習フレームワークである。 AcLにより、四足歩行者は、複数の関節断層の下での安定した歩行に自律的に歩行を適応することができる。 我々は,単関節および二重関節の故障下で,実際のGo2四足歩行ロボット上でAcLを検証する。
  論文  参考訳（メタデータ） (2025-03-27T11:47:20Z)
• Whole-body End-Effector Pose Tracking [10.426087117345096]
  本研究では, 大規模作業空間におけるエンドエフェクタポーズトラッキングのための全身RL定式化手法を提案する。 提案手法は,ロボットの初期設定とエンドエフェクタポーズコマンドのための地形対応サンプリング戦略を含む。 展開時に2.64cmと3.64°のポーズ追跡誤差を達成し、既存の競争基準よりも優れている。
  論文  参考訳（メタデータ） (2024-09-24T12:51:32Z)
• Barkour: Benchmarking Animal-level Agility with Quadruped Robots [70.97471756305463]
  脚付きロボットのアジリティを定量化するための障害物コースであるBarkourベンチマークを導入する。 犬の機敏性の競争に触発され、様々な障害と時間に基づくスコアリング機構から構成される。 ベンチマークに対処する2つの方法を提案する。
  論文  参考訳（メタデータ） (2023-05-24T02:49:43Z)
• Robust and Versatile Bipedal Jumping Control through Reinforcement Learning [141.56016556936865]
  この研究は、トルク制御された二足歩行ロボットが実世界で頑丈で多目的なダイナミックジャンプを行えるようにすることで、二足歩行ロボットの機敏さの限界を推し進めることを目的としている。 本稿では,ロボットが様々な場所や方向へジャンプするなど,さまざまなジャンプタスクを達成するための強化学習フレームワークを提案する。 我々は,ロボットの長期入出力(I/O)履歴を符号化し,短期I/O履歴への直接アクセスを可能にする新しいポリシー構造を開発する。
  論文  参考訳（メタデータ） (2023-02-19T01:06:09Z)
• In-Hand Object Rotation via Rapid Motor Adaptation [59.59946962428837]
  指先のみを用いて手動物体の回転を実現するための簡単な適応制御器の設計と学習方法を示す。 コントローラは、円筒形物体のみのシミュレーションで完全に訓練されている。 実際のロボットの手に直接展開して、さまざまな大きさ、形状、重量をz軸上で回転させることができる。
  論文  参考訳（メタデータ） (2022-10-10T17:58:45Z)
• Hierarchical Reinforcement Learning for Precise Soccer Shooting Skills using a Quadrupedal Robot [76.04391023228081]
  本研究では,四足歩行ロボットが実世界において,強化学習を用いて精度の高い射撃技術を実現できるという課題に対処する。 本研究では, 深層強化学習を活用して頑健な動作制御政策を訓練する階層的枠組みを提案する。 提案するフレームワークをA1四足歩行ロボットに展開し、実世界のランダムなターゲットに向けて正確にボールを発射できるようにする。
  論文  参考訳（メタデータ） (2022-08-01T22:34:51Z)
• 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)
• Adaptation of Quadruped Robot Locomotion with Meta-Learning [64.71260357476602]
  本研究では,多岐にわたる移動課題を解くロボットの訓練にメタ強化学習を用いることを実証する。 メタトレーニングロボットのパフォーマンスは、単一のタスクでトレーニングされたロボットと似ている。
  論文  参考訳（メタデータ） (2021-07-08T10:37:18Z)

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。