論文の概要: Learning to Move in Rhythm: Task-Conditioned Motion Policies with Orbital Stability Guarantees

• arxiv url: http://arxiv.org/abs/2507.10602v1
• Date: Sat, 12 Jul 2025 17:10:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-16 19:46:02.769383
• Title: Learning to Move in Rhythm: Task-Conditioned Motion Policies with Orbital Stability Guarantees
• Title（参考訳）: リズムの学習:軌道安定保証を伴うタスク記述型動作ポリシー
• Authors: Maximilian Stölzle, T. Konstantin Rusch, Zach J. Patterson, Rodrigo Pérez-Dattari, Francesco Stella, Josie Hughes, Cosimo Della Santina, Daniela Rus,
• Abstract要約: 我々は,学習した微分型エンコーダと超臨界ホップ分岐を結合したフレームワークであるOrbitally Stable Motion Primitives (OSMPs)を紹介する。 提案手法は,多種多様なロボットプラットフォームにまたがる広範囲なシミュレーションと実世界の実験によって検証される。
• 参考スコア（独自算出の注目度）: 45.137864140049814
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Learning from demonstration provides a sample-efficient approach to acquiring complex behaviors, enabling robots to move robustly, compliantly, and with fluidity. In this context, Dynamic Motion Primitives offer built - in stability and robustness to disturbances but often struggle to capture complex periodic behaviors. Moreover, they are limited in their ability to interpolate between different tasks. These shortcomings substantially narrow their applicability, excluding a wide class of practically meaningful tasks such as locomotion and rhythmic tool use. In this work, we introduce Orbitally Stable Motion Primitives (OSMPs) - a framework that combines a learned diffeomorphic encoder with a supercritical Hopf bifurcation in latent space, enabling the accurate acquisition of periodic motions from demonstrations while ensuring formal guarantees of orbital stability and transverse contraction. Furthermore, by conditioning the bijective encoder on the task, we enable a single learned policy to represent multiple motion objectives, yielding consistent zero-shot generalization to unseen motion objectives within the training distribution. We validate the proposed approach through extensive simulation and real-world experiments across a diverse range of robotic platforms - from collaborative arms and soft manipulators to a bio-inspired rigid-soft turtle robot - demonstrating its versatility and effectiveness in consistently outperforming state-of-the-art baselines such as diffusion policies, among others.
• Abstract（参考訳）: デモから学ぶことは、複雑な行動を取得するためのサンプル効率のよいアプローチを提供する。 この文脈では、ダイナミックモーションプリミティブ(Dynamic Motion Primitives)は、障害に対する安定性と堅牢性を提供するが、複雑な周期的な振る舞いを捉えるのに苦労することが多い。 さらに、それらは異なるタスク間を補間する能力に制限されている。 これらの欠点は、ロコモーションやリズミカルツールの使用など、実用的なタスクの幅広いクラスを除いて、適用可能性を大幅に狭めた。 本研究では,学習した微分同相エンコーダと潜在空間における超臨界ホップ分岐を組み合わせたフレームワークであるOrbitally Staable Motion Primitives (OSMPs)を導入し,軌道安定性と横方向収縮の正式な保証を確保しつつ,実演から周期運動の正確な取得を可能にする。 さらに,そのタスクに客観的エンコーダを条件付けすることにより,学習した1つのポリシを複数の動作目標を表現することが可能となり,トレーニング分布内では見つからない動作目標に対して一貫したゼロショットの一般化が得られる。 提案手法は,協力型アームやソフトマニピュレータからバイオインスパイアされた軟式ウミガメロボットに至るまで,多様なロボットプラットフォームにわたる広範囲なシミュレーションおよび実世界の実験を通じて検証し,拡散ポリシなどの最先端のベースラインを一貫して向上させる上で,その汎用性と有効性を実証する。

関連論文リスト

• FreqPolicy: Frequency Autoregressive Visuomotor Policy with Continuous Tokens [20.715024408481973]
  本稿では,階層的な周波数成分を段階的にモデル化するビジュモータポリシー学習のための新しいパラダイムを提案する。 さらに精度を高めるために,動作空間の滑らかさと連続性を維持する連続潜在表現を導入する。 我々の手法は、精度と効率の両方で既存の手法より優れている。
  論文  参考訳（メタデータ） (2025-06-02T12:13:51Z)
• Diffeomorphic Obstacle Avoidance for Contractive Dynamical Systems via Implicit Representations [0.6144680854063939]
  本稿では、デモから学んだダイナミックロボットの安全性と堅牢性を両立させるという課題に対処する。 我々は、学習スキルの堅牢な外挿を提供するために、神経収縮力学系を構築している。 我々は、微分同相変換による収縮安定性を維持するフルボディ障害物回避戦略を設計する。
  論文  参考訳（メタデータ） (2025-04-26T08:56:51Z)
• PMG: Progressive Motion Generation via Sparse Anchor Postures Curriculum Learning [5.247557449370603]
  ProMoGenは、軌跡誘導とスパースアンカー動作制御を統合する新しいフレームワークである。 ProMoGenは、統合トレーニングプロセス内で、二重制御パラダイムと単一制御パラダイムの両方をサポートする。 われわれのアプローチはパーソナライズされた動作と構造化されたガイダンスをシームレスに統合し、最先端の手法を著しく上回っている。
  論文  参考訳（メタデータ） (2025-04-23T13:51:42Z)
• Dita: Scaling Diffusion Transformer for Generalist Vision-Language-Action Policy [56.424032454461695]
  本稿では,Transformerアーキテクチャを活用した拡張性のあるフレームワークであるDitaについて紹介する。 Ditaはコンテキスト内コンディショニング(context conditioning)を採用しており、歴史的観察から生の視覚トークンと識別されたアクションをきめ細やかなアライメントを可能にする。 Ditaは、さまざまなカメラパースペクティブ、観察シーン、タスク、アクションスペースの横断的なデータセットを効果的に統合する。
  論文  参考訳（メタデータ） (2025-03-25T15:19:56Z)
• Versatile Physics-based Character Control with Hybrid Latent Representation [13.866308884393453]
  本稿では,物理シミュレーションによる人物の動作前処理を効果的に活用する多目的潜在表現を提案する。 我々のモデルは、非常に表現力の高い自然運動を持つスパース目標条件を強く満足する。
  論文  参考訳（メタデータ） (2025-03-17T04:45:51Z)
• Simultaneous Multi-Robot Motion Planning with Projected Diffusion Models [57.45019514036948]
  MRMP拡散(MRMP Diffusion, SMD)は, 制約付き最適化を拡散サンプリングプロセスに統合し, 衝突のない, キネマティックに実現可能な軌道を生成する新しい手法である。 本稿では, ロボット密度, 障害物の複雑度, 動作制約の異なるシナリオ間の軌道計画アルゴリズムを評価するための総合的MRMPベンチマークを提案する。
  論文  参考訳（メタデータ） (2025-02-05T20:51:28Z)
• CAIMAN: Causal Action Influence Detection for Sample-efficient Loco-manipulation [17.94272840532448]
  我々は,ロボットが環境内の他のエンティティを制御できるようにする強化学習フレームワークであるCAIMANを提案する。 シミュレーションにおけるCAIMANの優れたサンプル効率と多様なシナリオへの適応性を実証的に実証した。
  論文  参考訳（メタデータ） (2025-02-02T16:16:53Z)
• Diffusion Transformer Policy [48.50988753948537]
  本稿では,拡散変圧器ポリシー(Diffusion Transformer Policy)と呼ばれる多モード拡散変圧器を提案し,連続的なエンドエフェクタ動作をモデル化する。 トランスのスケーリング機能を活用することで、提案手法は、多種多様なロボットデータセットにわたる継続的エンドエフェクタアクションを効果的にモデル化することができる。
  論文  参考訳（メタデータ） (2024-10-21T12:43:54Z)
• Inferring Versatile Behavior from Demonstrations by Matching Geometric Descriptors [72.62423312645953]
  人間は直感的にタスクを多目的に解決し、軌道に基づく計画や個々のステップの行動を変化させる。 現在のImitation Learningアルゴリズムは、通常、単調な専門家によるデモンストレーションのみを考慮し、状態アクションベースの設定で行動する。 代わりに、移動プリミティブの混合と分布マッチングの目的を組み合わせることで、専門家の行動と汎用性にマッチする多目的行動を学ぶ。
  論文  参考訳（メタデータ） (2022-10-17T16:42:59Z)
• 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)
• Decentralized Motion Planning for Multi-Robot Navigation using Deep Reinforcement Learning [0.41998444721319217]
  本研究は、深層強化学習を用いたマルチロボットナビゲーションの課題に対処するための分散型モーションプランニングフレームワークを提案する。 共通かつ共有的な政策学習による分散的な行動計画の概念が採用され、このアプローチの堅牢なトレーニングとテストが可能となった。
  論文  参考訳（メタデータ） (2020-11-11T07:35:21Z)
• Euclideanizing Flows: Diffeomorphic Reduction for Learning Stable Dynamical Systems [74.80320120264459]
  本研究では、限られた数の人間の実演からそのような動きを学ぶためのアプローチを提案する。 複素運動は安定な力学系のロールアウトとして符号化される。 このアプローチの有効性は、確立されたベンチマーク上での検証と、現実世界のロボットシステム上で収集されたデモによって実証される。
  論文  参考訳（メタデータ） (2020-05-27T03:51:57Z)

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。