論文の概要: Generating Diverse Challenging Terrains for Legged Robots Using Quality-Diversity Algorithm

• arxiv url: http://arxiv.org/abs/2506.01362v1
• Date: Mon, 02 Jun 2025 06:44:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-04 21:47:34.069649
• Title: Generating Diverse Challenging Terrains for Legged Robots Using Quality-Diversity Algorithm
• Title（参考訳）: 品質多様性アルゴリズムを用いたレッグロボットにおける横方向チェアリング領域の生成
• Authors: Arthur Esquerre-Pourtère, Minsoo Kim, Jaeheung Park,
• Abstract要約: ロボットをテストし、その脆弱性を発見するには、多様で困難な地形を生成する必要がある。 本稿では,足歩行ロボットの弱点を明らかにするために,多種多様な地形を創出する品質多様性フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 10.072594939061762
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: While legged robots have achieved significant advancements in recent years, ensuring the robustness of their controllers on unstructured terrains remains challenging. It requires generating diverse and challenging unstructured terrains to test the robot and discover its vulnerabilities. This topic remains underexplored in the literature. This paper presents a Quality-Diversity framework to generate diverse and challenging terrains that uncover weaknesses in legged robot controllers. Our method, applied to both simulated bipedal and quadruped robots, produces an archive of terrains optimized to challenge the controller in different ways. Quantitative and qualitative analyses show that the generated archive effectively contains terrains that the robots struggled to traverse, presenting different failure modes. Interesting results were observed, including failure cases that were not necessarily expected. Experiments show that the generated terrains can also be used to improve RL-based controllers.
• Abstract（参考訳）: 近年、脚のついたロボットは大きな進歩を遂げているが、非構造的な地形におけるコントローラーの堅牢性を保証することは依然として困難である。 ロボットをテストし、その脆弱性を発見するには、多様で困難な地形を生成する必要がある。 この話題は文学において未解明のままである。 本稿では,足歩行ロボットの弱点を明らかにするために,多種多様な地形を創出する品質多様性フレームワークを提案する。 本手法は2足歩行ロボットと4足歩行ロボットの両方に適用され,異なる方法でコントローラに挑戦するために最適化された地形のアーカイブを生成する。 定量的および定性的な分析により、生成されたアーカイブには、ロボットが横断するのに苦労した地形が含まれており、異なる障害モードが提示されている。 必ずしも期待されなかった障害例を含む興味深い結果が得られた。 実験により、生成された地形は、RLベースのコントローラを改善するためにも使用できることが示された。

関連論文リスト

• 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)
• 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)
• HumanoidBench: Simulated Humanoid Benchmark for Whole-Body Locomotion and Manipulation [50.616995671367704]
  そこで本研究では,人型ロボットが器用な手を備えた,高次元シミュレーション型ロボット学習ベンチマークHumanoidBenchを提案する。 その結果,現在最先端の強化学習アルゴリズムがほとんどのタスクに支障をきたすのに対して,階層的学習アプローチはロバストな低レベルポリシーに支えられた場合,優れた性能を達成できることがわかった。
  論文  参考訳（メタデータ） (2024-03-15T17:45:44Z)
• RoboScript: Code Generation for Free-Form Manipulation Tasks across Real and Simulation [77.41969287400977]
  本稿では,コード生成を利用したデプロイ可能なロボット操作パイプラインのためのプラットフォームである textbfRobotScript を提案する。 自由形自然言語におけるロボット操作タスクのためのコード生成ベンチマークも提案する。 我々は,Franka と UR5 のロボットアームを含む,複数のロボットエボディメントにまたがるコード生成フレームワークの適応性を実証した。
  論文  参考訳（メタデータ） (2024-02-22T15:12:00Z)
• Robustness for Free: Quality-Diversity Driven Discovery of Agile Soft Robotic Gaits [0.7829600874436199]
  地形変化に頑健な歩留まりのレパートリーを,品質多様性アルゴリズムがいかに生み出すかを示す。 このロバスト性は、単一の目的最適化アルゴリズムによって生成される歩留まりを大きく上回る。
  論文  参考訳（メタデータ） (2023-11-02T14:00:11Z)
• 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)
• Self-Reflective Terrain-Aware Robot Adaptation for Consistent Off-Road Ground Navigation [9.526796188292968]
  地上ロボットは、災害応答のような現実世界のロボットアプリケーションでタスクを完了するために、非構造的および未準備の地形を横断する重要な能力を必要とする。 本研究では,非構造なオフロード地形を走行するための一貫した制御を生成するために,地上ロボットの自己反射型地形認識適応法を提案する。
  論文  参考訳（メタデータ） (2021-11-12T14:32:22Z)
• Robot Learning from Randomized Simulations: A Review [59.992761565399185]
  ディープラーニングがロボティクス研究のパラダイムシフトを引き起こし、大量のデータを必要とする方法が好まれている。 最先端のアプローチは、データ生成が高速かつ安価であるシミュレーションで学ぶ。 本稿では,ランダム化シミュレーションから学習する手法である「領域ランダム化」に焦点をあてる。
  論文  参考訳（メタデータ） (2021-11-01T13:55:41Z)
• OSCAR: Data-Driven Operational Space Control for Adaptive and Robust Robot Manipulation [50.59541802645156]
  オペレーショナル・スペース・コントロール(OSC)は、操作のための効果的なタスクスペース・コントローラとして使われてきた。 本稿では,データ駆動型OSCのモデル誤差を補償するOSC for Adaptation and Robustness (OSCAR)を提案する。 本手法は,様々なシミュレーション操作問題に対して評価し,制御器のベースラインの配列よりも大幅に改善されていることを示す。
  論文  参考訳（メタデータ） (2021-10-02T01:21:38Z)
• Co-Evolution of Multi-Robot Controllers and Task Cues for Off-World Open Pit Mining [0.6091702876917281]
  本稿では,マルチロボット掘削とサイト準備のシナリオにおいて,スケーラブルなコントローラを開発するための新しい手法を提案する。 コントローラは空白のスレートから始まり、人間による操作スクリプトや、掘削機の運動学や力学の詳細なモデリングを必要としない。 本稿では,テンプレートとタスクキューを用いてグループパフォーマンスをさらに向上し,アンタゴニティを最小化する方法について検討する。
  論文  参考訳（メタデータ） (2020-09-19T03:13:28Z)

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。