論文の概要: Soft Responsive Materials Enhance Humanoid Safety
- arxiv url: http://arxiv.org/abs/2601.02857v1
- Date: Tue, 06 Jan 2026 09:36:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-23 08:17:40.657258
- Title: Soft Responsive Materials Enhance Humanoid Safety
- Title（参考訳）: ヒューマノイドの安全性を高めるソフトレスポンシブ材料
- Authors: Chunzheng Wang, Yiyuan Zhang, Annan Tang, Ziqiu Zeng, Haoran Chen, Quan Gao, Zixuan Zhuang, Boyu Li, Zhilin Xiong, Aoqian Zhang, Ce Hao, Siyuan Luo, Tongyang Zhao, Cecilia Laschi, Fan Shi,
- Abstract要約: 我々は,非ニュートン流体系ソフトレスポンシブ材料を利用してヒューマノイドの安全性を高めるソフトリグッド・コデザイン・フレームワークを導入する。
寿命42kgのヒューマノイドを装着すると、プロテクターはピーク時の衝撃を著しく低減し、ハードウェアの損傷なしに繰り返し落下できる。
- 参考スコア（独自算出の注目度）: 16.967436762479263
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Humanoid robots are envisioned as general-purpose platforms in human-centered environments, yet their deployment is limited by vulnerability to falls and the risks posed by rigid metal-plastic structures to people and surroundings. We introduce a soft-rigid co-design framework that leverages non-Newtonian fluid-based soft responsive materials to enhance humanoid safety. The material remains compliant during normal interaction but rapidly stiffens under impact, absorbing and dissipating fall-induced forces. Physics-based simulations guide protector placement and thickness and enable learning of active fall policies. Applied to a 42 kg life-size humanoid, the protector markedly reduces peak impact and allows repeated falls without hardware damage, including drops from 3 m and tumbles down long staircases. Across diverse scenarios, the approach improves robot robustness and environmental safety. By uniting responsive materials, structural co-design, and learning-based control, this work advances interact-safe, industry-ready humanoid robots.
- Abstract（参考訳）: ヒューマノイドロボットは、人間中心の環境で汎用的なプラットフォームとして想定されているが、それらの展開は、転倒の脆弱性と、人や周囲の硬い金属塑性構造によって引き起こされるリスクによって制限されている。
我々は,非ニュートン流体系ソフトレスポンシブ材料を利用してヒューマノイドの安全性を高めるソフトリグッド・コデザイン・フレームワークを導入する。
物質は通常の相互作用の間は相容れないが、衝撃下で急速に硬化し、吸収され、落下によって引き起こされる力は散逸する。
物理に基づくシミュレーションは、プロテクターの配置と厚さをガイドし、アクティブな転倒ポリシーの学習を可能にする。
42kgのライフサイズのヒューマノイドを装着すると、プロテクターはピーク時の衝撃を著しく低減し、3mの落下や長い階段の転倒など、ハードウェアの損傷なしに繰り返し落下できる。
さまざまなシナリオにおいて、このアプローチはロボットの堅牢性と環境安全を改善します。
レスポンシブ素材、構造的コデザイン、学習に基づく制御を組み合わせることで、この研究は、対話型安全で業界対応のヒューマノイドロボットを進化させる。
関連論文リスト
- A Pin-Array Structured Climbing Robot for Stable Locomotion on Steep Rocky Terrain [2.9126697571352556]
ピンアレイ構造を有するグリップを用いた新しい移動体クライミングロボットを提案する。
各ピンは垂直に分割された設計で、弾性要素と金属のスピンを組み合わせることで、マイクロスケール表面の特徴と機械的インターロックを可能にする。
このロボットは、傾斜した壁(10-30度)での室内テストや、自然の岩の多い地形での屋外テストにおいて、頑丈で安定した移動を示しました。
論文 参考訳（メタデータ） (2026-03-17T14:05:42Z) - Perceptive Humanoid Parkour: Chaining Dynamic Human Skills via Motion Matching [77.28042137892943]
本稿では,人間型ロボットの長期的視覚的パーキングを自律的に行うためのモジュール型フレームワークであるPerceptive Humanoid Parkour(PHP)を提案する。
本研究は、これらの合成動作に対する運動追跡強化学習専門家の政策を訓練し、それらを深度に基づく多スキル学生政策に抽出する。
我々は,Unitree G1ヒューマノイドロボットを用いた実世界実験により,我々のフレームワークを検証した。
論文 参考訳（メタデータ） (2026-02-17T18:59:11Z) - MeshMimic: Geometry-Aware Humanoid Motion Learning through 3D Scene Reconstruction [54.36564144414704]
MeshMimicは、3Dシーンの再構築とインテリジェンスを組み込んだ革新的なフレームワークで、ヒューマノイドロボットがビデオから直接「モーション・テライン」インタラクションを学習できるようにする。
現状の3次元視覚モデルを活用することで、我々のフレームワークは、人間の軌跡と基礎となる地形や物体の3次元幾何学の両方を正確にセグメント化し再構築する。
論文 参考訳（メタデータ） (2026-02-17T17:09:45Z) - HAIC: Humanoid Agile Object Interaction Control via Dynamics-Aware World Model [56.4392302336014]
本稿では,外部状態推定を伴わない多種多様なオブジェクトダイナミクス間のロバストな相互作用のためのフレームワークであるHAICを提案する。
我々の重要な貢献は、主観的歴史のみから高次対象状態(速度、加速度)を推定するダイナミクス予測器である。
ヒューマノイドロボットの実験では、HAICはアジャイルタスクで高い成功率を達成する。
論文 参考訳（メタデータ） (2026-02-12T09:34:35Z) - Modular Safety Guardrails Are Necessary for Foundation-Model-Enabled Robots in the Real World [42.7330476721001]
静的検証、モノリシックコントローラ、エンドツーエンドの学習ポリシーを含む既存のアプローチは、タスク、環境、人間の期待がオープンで、長い目で見たり、時間の経過とともに適応されるような環境では不十分である、と我々は主張する。
自律スタック全体にわたる包括的安全のためのアーキテクチャ基盤として,監視(評価)層と介入層からなるモジュール型安全ガードレールを提案する。
論文 参考訳（メタデータ） (2026-02-03T22:41:51Z) - GentleHumanoid: Learning Upper-body Compliance for Contact-rich Human and Object Interaction [14.278503723930998]
GentleHumanoidは、インピーダンス制御を全身のモーショントラッキングポリシーに統合し、上半身のコンプライアンスを実現するフレームワークである。
我々は,Unitree G1ヒューマノイドとシミュレーションの両方において,異なるレベルのコンプライアンスを必要とするタスクに対するアプローチを評価した。
論文 参考訳（メタデータ） (2025-11-06T18:59:33Z) - Towards Immersive Human-X Interaction: A Real-Time Framework for Physically Plausible Motion Synthesis [51.95817740348585]
Human-Xは、様々な実体をまたいだ没入的で物理的に妥当なヒューマンインタラクションを可能にするために設計された、新しいフレームワークである。
本手法は, 自己回帰型反応拡散プランナを用いて, リアルタイムに反応と反応を同時予測する。
我々のフレームワークは、人間とロボットのインタラクションのための仮想現実インターフェースを含む、現実世界のアプリケーションで検証されている。
論文 参考訳（メタデータ） (2025-08-04T06:35:48Z) - 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) - Differentiable Physics-based System Identification for Robotic Manipulation of Elastoplastic Materials [43.99845081513279]
本研究は, ロボットアームが簡単な操作動作と不完全な3次元点雲を用いて, 弾塑性材料の物理パラメータと環境を推測することのできる, 微分可能物理に基づくシステム同定(DPSI)フレームワークを提案する。
1つの現実世界の相互作用だけで、推定されたパラメータは、目に見えない、長い水平運動によって引き起こされる視覚的および物理的に現実的な振る舞いを正確にシミュレートすることができる。
論文 参考訳（メタデータ） (2024-11-01T13:04:25Z) - Safe reinforcement learning of dynamic high-dimensional robotic tasks:
navigation, manipulation, interaction [31.553783147007177]
強化学習では、損傷を起こさない環境を探索する上で、安全はより基本的なものである。
本稿では,各種ロボット作業の強化学習のための安全探索の新たな定式化について紹介する。
我々のアプローチは、幅広い種類のロボットプラットフォームに適用され、データから学んだ複雑な衝突制約の下でも安全を強制する。
論文 参考訳（メタデータ） (2022-09-27T11:23:49Z)
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。