論文の概要: The Mini Wheelbot Dataset: High-Fidelity Data for Robot Learning

• arxiv url: http://arxiv.org/abs/2601.11394v1
• Date: Fri, 16 Jan 2026 16:06:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:40.814614
• Title: The Mini Wheelbot Dataset: High-Fidelity Data for Robot Learning
• Title（参考訳）: Mini Wheelbot Dataset:ロボット学習のための高忠実度データ
• Authors: Henrik Hose, Paul Brunzema, Devdutt Subhasish, Sebastian Trimpe,
• Abstract要約: 本稿では,オープンソースの準対称平衡式反応輪一輪車Mini Wheelbotについて,包括的ダイナミックスデータセットを提案する。 このデータセットは、1kHzの同期データで、オンボードセンサーの読み取り、状態推定、モーションキャプチャシステムからの地味なポーズ、サードパーティのビデオログを含む。
• 参考スコア（独自算出の注目度）: 11.872449230532501
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The development of robust learning-based control algorithms for unstable systems requires high-quality, real-world data, yet access to specialized robotic hardware remains a significant barrier for many researchers. This paper introduces a comprehensive dynamics dataset for the Mini Wheelbot, an open-source, quasi-symmetric balancing reaction wheel unicycle. The dataset provides 1 kHz synchronized data encompassing all onboard sensor readings, state estimates, ground-truth poses from a motion capture system, and third-person video logs. To ensure data diversity, we include experiments across multiple hardware instances and surfaces using various control paradigms, including pseudo-random binary excitation, nonlinear model predictive control, and reinforcement learning agents. We include several example applications in dynamics model learning, state estimation, and time-series classification to illustrate common robotics algorithms that can be benchmarked on our dataset.
• Abstract（参考訳）: 不安定なシステムのための堅牢な学習ベースの制御アルゴリズムの開発には、高品質で実世界のデータが必要であるが、特殊なロボットハードウェアへのアクセスは、多くの研究者にとって重要な障壁である。 本稿では,オープンソースの準対称平衡式反応輪一輪車Mini Wheelbotについて,包括的ダイナミックスデータセットを提案する。 このデータセットは、1kHzの同期データで、オンボードセンサーの読み取り、状態推定、モーションキャプチャシステムからの地味なポーズ、サードパーティのビデオログを含む。 データ多様性を確保するために、擬似ランダム二項励起、非線形モデル予測制御、強化学習エージェントなど、さまざまな制御パラダイムを用いて、複数のハードウェアインスタンスや表面をまたいだ実験を含む。 我々は、動的モデル学習、状態推定、時系列分類におけるいくつかの例を含み、私たちのデータセットでベンチマークできる一般的なロボットアルゴリズムを説明する。

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)
• Data-Driven Predictive Control of Nonholonomic Robots Based on a Bilinear Koopman Realization: Data Does Not Replace Geometry [0.5277756703318045]
  本稿では,非ホロノミック移動ロボットの予測制御系にEDMDモデルを組み込む方法について検討する。 実世界の計測データのみを用いて、シミュレーションとハードウェア実験の両方で、サロゲートモデルが高精度な予測制御を可能にすることが示されている。
  論文  参考訳（メタデータ） (2024-11-11T18:08:17Z)
• Cross-domain Transfer Learning and State Inference for Soft Robots via a Semi-supervised Sequential Variational Bayes Framework [7.608532769380028]
  状態ラベルが欠落したソフトロボットの移動学習と状態推論のための半教師付き逐次変分ベイズ(DSVB)フレームワークを提案する。 既存の移動学習手法とは異なり,提案するDSVBは,ソフトロボットデータにおける非線形ダイナミクスと時間的コヒーレンスをモデル化するために,リカレントニューラルネットワークを用いる。
  論文  参考訳（メタデータ） (2023-03-03T03:17:53Z)
• RT-1: Robotics Transformer for Real-World Control at Scale [98.09428483862165]
  我々は,有望なスケーラブルなモデル特性を示す,ロボティクストランスフォーマーと呼ばれるモデルクラスを提示する。 実世界の課題を遂行する実ロボットの大規模データ収集に基づいて,様々なモデルクラスと,データサイズ,モデルサイズ,データの多様性の関数として一般化する能力について検証した。
  論文  参考訳（メタデータ） (2022-12-13T18:55:15Z)
• MetaGraspNet: A Large-Scale Benchmark Dataset for Vision-driven Robotic Grasping via Physics-based Metaverse Synthesis [78.26022688167133]
  本稿では,物理に基づくメタバース合成による視覚駆動型ロボットグルーピングのための大規模ベンチマークデータセットを提案する。 提案するデータセットには,10万の画像と25種類のオブジェクトが含まれている。 また,オブジェクト検出とセグメンテーション性能を評価するためのデータセットとともに,新しいレイアウト重み付け性能指標を提案する。
  論文  参考訳（メタデータ） (2021-12-29T17:23:24Z)
• Multi-Robot Deep Reinforcement Learning for Mobile Navigation [82.62621210336881]
  階層的統合モデル(HInt)を用いた深層強化学習アルゴリズムを提案する。 トレーニング時には、HIntは別々の知覚モデルとダイナミクスモデルを学び、テスト時には、HIntは2つのモデルを階層的な方法で統合し、統合モデルとアクションを計画する。 我々のモバイルナビゲーション実験は、HIntが従来の階層的ポリシーや単一ソースアプローチよりも優れていることを示している。
  論文  参考訳（メタデータ） (2021-06-24T19:07:40Z)

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。