論文の概要: Learning-based Adaptive Control of Quadruped Robots for Active Stabilization on Moving Platforms

• arxiv url: http://arxiv.org/abs/2602.03367v2
• Date: Mon, 09 Feb 2026 00:36:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:41.131438
• Title: Learning-based Adaptive Control of Quadruped Robots for Active Stabilization on Moving Platforms
• Title（参考訳）: 移動プラットフォーム上でのアクティブ安定化のための四足歩行ロボットの学習型適応制御
• Authors: Minsung Yoon, Heechan Shin, Jeil Jeong, Sung-Eui Yoon,
• Abstract要約: 四足歩行ロボットは、地下鉄、バス、飛行機、ヨットなどの6自由度移動プラットフォーム上でのバランスのとれた課題に直面している。 本稿では,移動プラットフォーム上での学習に基づくアクティブ安定化(textitLAS-MP)について述べる。
• 参考スコア（独自算出の注目度）: 15.897077968999026
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: A quadruped robot faces balancing challenges on a six-degrees-of-freedom moving platform, like subways, buses, airplanes, and yachts, due to independent platform motions and resultant diverse inertia forces on the robot. To alleviate these challenges, we present the Learning-based Active Stabilization on Moving Platforms (\textit{LAS-MP}), featuring a self-balancing policy and system state estimators. The policy adaptively adjusts the robot's posture in response to the platform's motion. The estimators infer robot and platform states based on proprioceptive sensor data. For a systematic training scheme across various platform motions, we introduce platform trajectory generation and scheduling methods. Our evaluation demonstrates superior balancing performance across multiple metrics compared to three baselines. Furthermore, we conduct a detailed analysis of the \textit{LAS-MP}, including ablation studies and evaluation of the estimators, to validate the effectiveness of each component.
• Abstract（参考訳）: 四足歩行ロボットは、地下鉄、バス、飛行機、ヨットなどの6自由度移動プラットフォーム上で、独立したプラットフォームの動きと、その結果、ロボット上のさまざまな慣性力によって、バランスの取れない課題に直面している。 これらの課題を軽減するために,我々は,自己バランスポリシとシステム状態推定器を備えた,移動プラットフォーム上での学習に基づくアクティブ安定化(\textit{LAS-MP})を提案する。 このポリシーは、プラットフォームの動きに応じてロボットの姿勢を適応的に調整する。 推定器は、固有受容センサデータに基づいてロボットとプラットフォーム状態を推定する。 様々なプラットフォーム動作を対象とした体系的な学習手法として,プラットフォーム軌道生成とスケジューリング手法を提案する。 評価は,3つの基準値と比較して,複数の指標間でのバランス性能が優れていることを示す。 さらに、各成分の有効性を検証するために、アブレーション研究や推定器の評価を含む「textit{LAS-MP}」の詳細な分析を行う。

関連論文リスト

• Phase-Aware Policy Learning for Skateboard Riding of Quadruped Robots via Feature-wise Linear Modulation [17.36641564283682]
  四足歩行ロボットを用いたスケートボードに適した強化学習フレームワークを提案する。 位相対応政策学習(PAPL)は、位相条件付き特徴量線形変調層をアクターおよび批評家ネットワークに統合する。 PAPLは、フェーズ間でロボット固有の知識を共有しながら、フェーズ依存の振る舞いをキャプチャする。
  論文  参考訳（メタデータ） (2026-02-10T03:20:37Z)
• HUSKY: Humanoid Skateboarding System via Physics-Aware Whole-Body Control [67.58927286226925]
  本稿では,ヒューマノイド・スケータボードシステムモデリングと物理を意識した全身制御を統合した学習ベースのフレームワークを提案する。 Unitree G1のヒューマノイドプラットフォームでの実験では、現実のシナリオにおいて、私たちのフレームワークがスケートボード上で安定的でアジャイルな操作を可能にすることが示されています。
  論文  参考訳（メタデータ） (2026-02-03T07:18:01Z)
• Action Flow Matching for Continual Robot Learning [54.10050120844738]
  ロボット工学における継続的な学習は、変化する環境やタスクに常に適応できるシステムを求める。 本稿では,オンラインロボット力学モデルアライメントのためのフローマッチングを利用した生成フレームワークを提案する。 ロボットは,不整合モデルで探索するのではなく,行動自体を変換することで,より効率的に情報収集を行う。
  論文  参考訳（メタデータ） (2025-04-25T16:26:15Z)
• Robotic Table Tennis: A Case Study into a High Speed Learning System [30.30242337602385]
  本研究では,人間と数百の卓球アライグが可能な実世界のロボット学習システムを提案する。 本システムは,高度に最適化された知覚サブシステム,高速低遅延ロボットコントローラ,現実世界の損傷を防ぐシミュレーションパラダイムを組み込んだ。
  論文  参考訳（メタデータ） (2023-09-06T18:56:20Z)
• Polybot: Training One Policy Across Robots While Embracing Variability [70.74462430582163]
  複数のロボットプラットフォームにデプロイするための単一のポリシーをトレーニングするための重要な設計決定セットを提案する。 われわれのフレームワークは、まず、手首カメラを利用して、我々のポリシーの観察空間と行動空間を具体化して調整する。 6つのタスクと3つのロボットにまたがる60時間以上のデータセットを用いて,関節の形状や大きさの異なるデータセットの評価を行った。
  論文  参考訳（メタデータ） (2023-07-07T17:21:16Z)
• SABER: Data-Driven Motion Planner for Autonomously Navigating Heterogeneous Robots [112.2491765424719]
  我々は、データ駆動型アプローチを用いて、異種ロボットチームをグローバルな目標に向けてナビゲートする、エンドツーエンドのオンラインモーションプランニングフレームワークを提案する。 モデル予測制御(SMPC)を用いて,ロボット力学を満たす制御入力を計算し,障害物回避時の不確実性を考慮した。 リカレントニューラルネットワークは、SMPC有限時間地平線解における将来の状態の不確かさを素早く推定するために用いられる。 ディープQ学習エージェントがハイレベルパスプランナーとして機能し、SMPCにロボットを望ましいグローバルな目標に向けて移動させる目標位置を提供する。
  論文  参考訳（メタデータ） (2021-08-03T02:56:21Z)
• Bayesian Meta-Learning for Few-Shot Policy Adaptation Across Robotic Platforms [60.59764170868101]
  強化学習手法は、重要な性能を達成できるが、同じロボットプラットフォームで収集される大量のトレーニングデータを必要とする。 私たちはそれを、さまざまなロボットプラットフォームで共有される共通の構造を捉えるモデルを見つけることを目標とする、数ショットのメタラーニング問題として定式化します。 我々は,400個のロボットを用いて,実ロボットピッキング作業とシミュレーションリーチの枠組みを実験的に評価した。
  論文  参考訳（メタデータ） (2021-03-05T14:16:20Z)

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。