論文の概要: Towards Safe Maneuvering of Double-Ackermann-Steering Robots with a Soft Actor-Critic Framework

• arxiv url: http://arxiv.org/abs/2510.10332v1
• Date: Sat, 11 Oct 2025 20:30:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-14 20:23:38.931576
• Title: Towards Safe Maneuvering of Double-Ackermann-Steering Robots with a Soft Actor-Critic Framework
• Title（参考訳）: ソフトアクター・クリティカル・フレームワークを用いたダブルアッカーマン・ステアリングロボットの安全性向上に向けて
• Authors: Kohio Deflesselle, Mélodie Daniel, Aly Magassouba, Miguel Aranda, Olivier Ly,
• Abstract要約: ダブルアッカーマン操舵ロボット(DASMR)の安全かつ高精度な操作のための強化学習フレームワークを提案する。 我々のフレームワークは、HER(Hindsight Experience Replay)とCrossQオーバーレイを利用して、障害物を避けながら、操作効率を高める。 重い四輪操舵ローバーによるシミュレーションの結果、学習方針は障害物を避けつつ、目標位置の97%までしっかりと到達できることがわかった。
• 参考スコア（独自算出の注目度）: 0.7322887425853787
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present a deep reinforcement learning framework based on Soft Actor-Critic (SAC) for safe and precise maneuvering of double-Ackermann-steering mobile robots (DASMRs). Unlike holonomic or simpler non-holonomic robots such as differential-drive robots, DASMRs face strong kinematic constraints that make classical planners brittle in cluttered environments. Our framework leverages the Hindsight Experience Replay (HER) and the CrossQ overlay to encourage maneuvering efficiency while avoiding obstacles. Simulation results with a heavy four-wheel-steering rover show that the learned policy can robustly reach up to 97% of target positions while avoiding obstacles. Our framework does not rely on handcrafted trajectories or expert demonstrations.
• Abstract（参考訳）: ダブルアッカーマンステアリング移動ロボット(DASMR)の安全かつ高精度な操作を行うためのソフトアクタ・クリティカル(SAC)に基づく深層強化学習フレームワークを提案する。 微分駆動ロボットのようなホロノミックや単純な非ホロノミックロボットとは異なり、DASMRは古典的なプランナーが散らばった環境で脆くする強いキネマティックな制約に直面している。 我々のフレームワークは、HER(Hindsight Experience Replay)とCrossQオーバーレイを利用して、障害物を避けながら、操作効率を高める。 重い四輪操舵ローバーによるシミュレーションの結果、学習方針は障害物を避けつつ、目標位置の97%までしっかりと到達できることがわかった。 私たちのフレームワークは手作りの軌道や専門家によるデモンストレーションには依存していません。

関連論文リスト

• Bipedalism for Quadrupedal Robots: Versatile Loco-Manipulation through Risk-Adaptive Reinforcement Learning [21.938067330028066]
  四足歩行ロボットに二足歩行を導入し,前肢を開放し,環境との多目的インタラクションを実現する。 後肢を歩行する四足歩行ロボットを対象としたリスク適応型分散強化学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-07-27T18:51:34Z)
• 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)
• Humanoid Whole-Body Locomotion on Narrow Terrain via Dynamic Balance and Reinforcement Learning [54.26816599309778]
  動的バランスと強化学習(RL)に基づく新しい全身移動アルゴリズムを提案する。 具体的には,ZMP(Zero-Moment Point)駆動の報酬とタスク駆動の報酬を,全身のアクター批判的枠組みで拡張した尺度を活用することで,動的バランス機構を導入する。 フルサイズのUnitree H1-2ロボットによる実験により、非常に狭い地形でのバランスを維持するための手法の有効性が検証された。
  論文  参考訳（メタデータ） (2025-02-24T14:53:45Z)
• Robot Navigation with Entity-Based Collision Avoidance using Deep Reinforcement Learning [0.0]
  本稿では,ロボットナビゲーションと各種エージェントや障害物とのインタラクションを改善するための,新しい深層強化学習手法を提案する。 このアプローチでは、エンティティタイプに関する情報を使用し、衝突回避を改善し、より安全なナビゲーションを確保する。 ロボットに近づいたり、異なる物体と衝突したりすることを罰する新たな報酬関数を導入する。
  論文  参考訳（メタデータ） (2024-08-26T11:16:03Z)
• Kinematically Constrained Human-like Bimanual Robot-to-Human Handovers [19.052211315080044]
  双方向のハンドオーバは、大きな、変形可能な、または繊細なオブジェクトの転送に不可欠である。 本稿では,人体に拘束されたロボット動作を生成するための枠組みを提案する。
  論文  参考訳（メタデータ） (2024-02-22T13:19:02Z)
• 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)

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。