論文の概要: Surrogate compliance modeling enables reinforcement learned locomotion gaits for soft robots

• arxiv url: http://arxiv.org/abs/2512.07114v1
• Date: Mon, 08 Dec 2025 02:52:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:40.19486
• Title: Surrogate compliance modeling enables reinforcement learned locomotion gaits for soft robots
• Title（参考訳）: ソフトロボットのためのサロゲートコンプライアンスモデリングによる強化学習ロコモーション歩行の実現
• Authors: Jue Wang, Mingsong Jiang, Luis A. Ramirez, Bilige Yang, Mujun Zhang, Esteban Figueroa, Wenzhong Yan, Rebecca Kramer-Bottiglio,
• Abstract要約: 適応型形態形成ロボットは、変化するタスクや環境条件を満たすために形態と制御ポリシーに適応する。 このようなシステムの多くは、形状変形を可能にするソフトコンポーネントを利用するが、シミュレーションや制御の課題も導入している。 本稿では,ソフトボディ物理を明示的にモデル化する代わりに,剛体シミュレータ内でのソフトマテリアル変形を表す間接変数を導入する。
• 参考スコア（独自算出の注目度）: 5.193389420813379
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Adaptive morphogenetic robots adapt their morphology and control policies to meet changing tasks and environmental conditions. Many such systems leverage soft components, which enable shape morphing but also introduce simulation and control challenges. Soft-body simulators remain limited in accuracy and computational tractability, while rigid-body simulators cannot capture soft-material dynamics. Here, we present a surrogate compliance modeling approach: rather than explicitly modeling soft-body physics, we introduce indirect variables representing soft-material deformation within a rigid-body simulator. We validate this approach using our amphibious robotic turtle, a quadruped with soft morphing limbs designed for multi-environment locomotion. By capturing deformation effects as changes in effective limb length and limb center of mass, and by applying reinforcement learning with extensive randomization of these indirect variables, we achieve reliable policy learning entirely in a rigid-body simulation. The resulting gaits transfer directly to hardware, demonstrating high-fidelity sim-to-real performance on hard, flat substrates and robust, though lower-fidelity, transfer on rheologically complex terrains. The learned closed-loop gaits exhibit unprecedented terrestrial maneuverability and achieve an order-of-magnitude reduction in cost of transport compared to open-loop baselines. Field experiments with the robot further demonstrate stable, multi-gait locomotion across diverse natural terrains, including gravel, grass, and mud.
• Abstract（参考訳）: 適応型形態形成ロボットは、変化するタスクや環境条件を満たすために形態と制御ポリシーに適応する。 このようなシステムの多くは、形状変形を可能にするソフトコンポーネントを利用するが、シミュレーションや制御の課題も導入している。 軟体シミュレータは精度と計算的トラクタビリティに制限があるが、剛体シミュレータは軟体力学を捉えることはできない。 本稿では,ソフトボディ物理を明示的にモデル化する代わりに,剛体シミュレータ内でのソフトマテリアル変形を表す間接変数を導入する。 多環境移動用に設計された四足歩行型水陸両用ロボットカメを用いて,本手法の有効性を検証した。 実効的な手足長および手足中心の質量の変化による変形効果の把握と,これら間接変数の広範囲なランダム化による強化学習の適用により,剛体シミュレーションにおいて信頼性の高いポリシ学習を実現する。 結果として得られる歩留まりはハードウェアに直接移行し、硬質で平らな基板上で高忠実なsim-to-real性能を示し、ロバストでレオロジー的に複雑な地形上での移動は低忠実である。 学習されたクローズループ歩行は、前例のない地上での操作性を示し、オープンループベースラインと比較して輸送コストのオーダー・オブ・マグニチュード削減を実現している。 このロボットによるフィールド実験は、砂利、草、泥など様々な自然の地形をまたいだ安定したマルチゲイト移動を示す。

関連論文リスト

• D-REX: Differentiable Real-to-Sim-to-Real Engine for Learning Dexterous Grasping [66.22412592525369]
  本稿では,ガウスのSplat表現を生かした実--sim-to-realエンジンを導入し,実-sim-to-realエンジンについて述べる。 提案エンジンは, 各種物体の形状と質量値のマス識別において, 高精度かつロバストな性能を実現していることを示す。 これらの最適化された質量値は、力覚的なポリシー学習を促進し、オブジェクトの把握において優れた、高いパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2026-03-01T15:32:04Z)
• SORS: A Modular, High-Fidelity Simulator for Soft Robots [5.660024841218955]
  ソフトロボットは、大きな非線形変形、材料非圧縮性、接触相互作用のために、ユニークなモデリング課題を提起する。 ソフトロボット応用のための多用途高忠実度シミュレータSORSを提案する。
  論文  参考訳（メタデータ） (2025-12-17T21:58:46Z)
• Contact-Implicit Modeling and Simulation of a Snake Robot on Compliant and Granular Terrain [0.0]
  本論文は,COBRAヘビロボットの横巻き及び転動動作を解析するための統一モデリングおよびシミュレーションフレームワークを提案する。 サイドウインド中の分散摩擦相互作用をモデル化するために、接触-単純定式化が用いられる。 急勾配での高エネルギー転がり移動には、クロノDEMエンジンが粒子と粒子の相互作用をシミュレートするために用いられる。
  論文  参考訳（メタデータ） (2025-12-04T17:20:32Z)
• The Sound of Simulation: Learning Multimodal Sim-to-Real Robot Policies with Generative Audio [138.07247714782412]
  MultiGenは、大規模な生成モデルを従来の物理シミュレータに統合するフレームワークである。 容器や液体を注ぐ現実世界への効果的なゼロショット転送を実証する。
  論文  参考訳（メタデータ） (2025-07-03T17:59:58Z)
• Learning Transferable Friction Models and LuGre Identification via Physics Informed Neural Networks [4.432363122731454]
  物理インフォームド摩擦モデルと学習可能なコンポーネントを統合するための摩擦推定フレームワークを提案する。 われわれのアプローチは物理的な一貫性を強制するが、現実の複雑さに適応する柔軟性は維持する。 我々のアプローチは、学習したモデルを訓練されていないシステムに転送できるようにする。
  論文  参考訳（メタデータ） (2025-04-16T19:15:48Z)
• Realistic Surgical Simulation from Monocular Videos [49.114370617718244]
  本稿では,手軽な手術映像からリアルな手術シミュレーションを自動実行することの課題に対処する。 本稿では,これらの制約を克服する新しい自動シミュレーションシステムであるSurgiSimを提案する。 様々な手術シナリオと相互作用の実験は、SurgiSimが軟組織の現実的なシミュレーションを行う能力を示している。
  論文  参考訳（メタデータ） (2024-12-03T10:32:41Z)
• DiffuseBot: Breeding Soft Robots With Physics-Augmented Generative Diffusion Models [102.13968267347553]
  本稿では,様々なタスクにおいて優れたソフトロボット形態を生成する物理拡張拡散モデルであるDiffuseBotを提案する。 我々は、その能力とともに、シミュレーションされた、そして製造された様々なロボットを紹介します。
  論文  参考訳（メタデータ） (2023-11-28T18:58:48Z)
• Residual Physics Learning and System Identification for Sim-to-real Transfer of Policies on Buoyancy Assisted Legged Robots [14.760426243769308]
  本研究では,BALLUロボットのシステム識別による制御ポリシのロバストなシミュレートを実演する。 標準的な教師あり学習の定式化に頼るのではなく、深層強化学習を利用して外部力政策を訓練する。 シミュレーショントラジェクトリと実世界のトラジェクトリを比較することで,改良されたシミュレーション忠実度を解析する。
  論文  参考訳（メタデータ） (2023-03-16T18:49:05Z)
• 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)
• Learning Material Parameters and Hydrodynamics of Soft Robotic Fish via Differentiable Simulation [26.09104786491426]
  本フレームワークは, 実ハードウェアにおける複合バイモルフ曲げ構造の動的挙動の高精度予測を可能にする。 我々は,ロボットの材料パラメータと流体力学を学習するための,実験的に検証された高速な最適化パイプラインを実証した。 我々は水中ソフトロボットの特定の応用に焦点をあてるが、我々のフレームワークは空気圧で作動するソフトメカニズムにも適用できる。
  論文  参考訳（メタデータ） (2021-09-30T05:24:02Z)

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。