論文の概要: Learning Quadrupedal Locomotion for a Heavy Hydraulic Robot Using an Actuator Model

• arxiv url: http://arxiv.org/abs/2601.11143v1
• Date: Fri, 16 Jan 2026 10:01:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-19 20:21:50.440974
• Title: Learning Quadrupedal Locomotion for a Heavy Hydraulic Robot Using an Actuator Model
• Title（参考訳）: アクチュエータモデルを用いた重油圧ロボットの四足歩行学習
• Authors: Minho Lee, Hyeonseok Kim, Jin Tak Kim, Sangshin Park, Jeong Hyun Lee, Jungsan Cho, Jemin Hwangbo,
• Abstract要約: この研究は、重油圧四足歩行ロボット上で強化学習(RL)による安定かつ頑健なコマンド追跡ロコモーションの移動に成功した最初の実演である。 このモデルは、12個のアクチュエータの関節トルクを1マイクロ秒以下で予測し、RL環境での高速な処理を可能にする。
• 参考スコア（独自算出の注目度）: 7.275864116517311
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The simulation-to-reality (sim-to-real) transfer of large-scale hydraulic robots presents a significant challenge in robotics because of the inherent slow control response and complex fluid dynamics. The complex dynamics result from the multiple interconnected cylinder structure and the difference in fluid rates of the cylinders. These characteristics complicate detailed simulation for all joints, making it unsuitable for reinforcement learning (RL) applications. In this work, we propose an analytical actuator model driven by hydraulic dynamics to represent the complicated actuators. The model predicts joint torques for all 12 actuators in under 1 microsecond, allowing rapid processing in RL environments. We compare our model with neural network-based actuator models and demonstrate the advantages of our model in data-limited scenarios. The locomotion policy trained in RL with our model is deployed on a hydraulic quadruped robot, which is over 300 kg. This work is the first demonstration of a successful transfer of stable and robust command-tracking locomotion with RL on a heavy hydraulic quadruped robot, demonstrating advanced sim-to-real transferability.
• Abstract（参考訳）: 大規模油圧ロボットのシミュレート・トゥ・リアル(シミュレート・トゥ・リアル)移動は、固有な制御応答と複雑な流体力学のため、ロボット工学において大きな課題となる。 複素力学は、複数の連接シリンダー構造とシリンダーの流体速度の差から生じる。 これらの特徴は、すべての関節の詳細なシミュレーションを複雑にし、強化学習(RL)の応用には適さない。 本研究では, 複雑なアクチュエータを表現するために, 流体力学により駆動される解析アクチュエータモデルを提案する。 このモデルは、12個のアクチュエータの関節トルクを1マイクロ秒以下で予測し、RL環境での高速な処理を可能にする。 我々は、ニューラルネットワークベースのアクチュエータモデルと比較し、データ制限シナリオにおけるモデルの利点を実証する。 RLでトレーニングされたロコモーションポリシーは,300kg以上の油圧四足ロボットに展開される。 この研究は、重油圧四足歩行ロボットにおけるRLによる安定かつ頑健なコマンド追跡ロコモーションの移動が成功し、高度なsim-to-real転送性を示す最初の実証である。

関連論文リスト

• Learning based Modelling of Throttleable Engine Dynamics for Lunar Landing Mission [0.0]
  本稿では、スロットル可能なエンジンダイナミクスのモデリングのための学習に基づくシステム識別手法を提案する。 開発したモデルは実験結果を用いて検証し, 閉ループ誘導と制御シミュレーションに利用した。
  論文  参考訳（メタデータ） (2025-11-05T16:36:52Z)
• A Supervised Machine-Learning Approach For Turboshaft Engine Dynamic Modeling Under Real Flight Conditions [0.0]
  本研究では、レオナルドのAW189P4プロトタイプのターボシャフトエンジンをモデル化するための異なるニューラルネットワークアーキテクチャについて検討する。 これらのモデルは、様々な操作を含む実飛行テストの広範なデータベースで訓練されている。 ニューラルネットワークのアプローチを補完するために,SINDy(Sparse Identification of Dynamics)を用いて低次元力学モデルを導出する。
  論文  参考訳（メタデータ） (2025-02-19T21:45:53Z)
• Pre-Trained Video Generative Models as World Simulators [59.546627730477454]
  本研究では,事前学習した映像生成モデルを制御可能な世界シミュレータに変換するための動的世界シミュレーション(DWS)を提案する。 条件付き動作と生成した視覚的変化の正確なアライメントを実現するために,軽量で普遍的な動作条件付きモジュールを導入する。 実験により、DWSは拡散モデルと自己回帰変換モデルの両方に汎用的に適用可能であることが示された。
  論文  参考訳（メタデータ） (2025-02-10T14:49:09Z)
• Reinforcement Learning for Versatile, Dynamic, and Robust Bipedal Locomotion Control [106.32794844077534]
  本稿では,二足歩行ロボットのための動的移動制御系を構築するために,深層強化学習を用いた研究について述べる。 本研究では、周期歩行やランニングから周期ジャンプや立位に至るまで、様々な動的二足歩行技術に使用できる汎用的な制御ソリューションを開発する。 この研究は、二足歩行ロボットの俊敏性の限界を、現実世界での広範な実験を通じて押し上げる。
  論文  参考訳（メタデータ） (2024-01-30T10:48:43Z)
• Physics-Inspired Temporal Learning of Quadrotor Dynamics for Accurate Model Predictive Trajectory Tracking [76.27433308688592]
  クオーロタのシステムダイナミクスを正確にモデル化することは、アジャイル、安全、安定したナビゲーションを保証する上で非常に重要です。 本稿では,ロボットの経験から,四重項系の力学を純粋に学習するための新しい物理インスパイアされた時間畳み込みネットワーク(PI-TCN)を提案する。 提案手法は,スパース時間的畳み込みと高密度フィードフォワード接続の表現力を組み合わせて,正確なシステム予測を行う。
  論文  参考訳（メタデータ） (2022-06-07T13:51:35Z)
• 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)
• GLiDE: Generalizable Quadrupedal Locomotion in Diverse Environments with a Centroidal Model [18.66472547798549]
  四足歩行のロバスト制御ポリシを生成するために,遠心モデルを用いてモデルフリー強化学習を効果的に利用できることを示す。 本手法は, ステップストーン移動, 2脚のインプレースバランス, バランスビーム移動, sim-to-real移動を, さらなる適応を伴わずに実現可能であることを示す。
  論文  参考訳（メタデータ） (2021-04-20T05:55:13Z)
• Populations of Spiking Neurons for Reservoir Computing: Closed Loop Control of a Compliant Quadruped [64.64924554743982]
  本稿では,ニューラルネットワークを用いた中央パターン生成機構を実装し,閉ループロボット制御を実現するためのフレームワークを提案する。 本研究では,従順な四足歩行ロボットのシミュレーションモデル上で,予め定義された歩行パターン,速度制御,歩行遷移の学習を実演する。
  論文  参考訳（メタデータ） (2020-04-09T14:32:49Z)

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。