論文の概要: Enhancing Navigation Efficiency of Quadruped Robots via Leveraging Personal Transportation Platforms
- arxiv url: http://arxiv.org/abs/2602.03397v2
- Date: Mon, 09 Feb 2026 00:32:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-23 08:17:41.132675
- Title: Enhancing Navigation Efficiency of Quadruped Robots via Leveraging Personal Transportation Platforms
- Title（参考訳）: パーソナルトランスポートプラットフォームを活用した四足歩行ロボットのナビゲーション効率向上
- Authors: Minsung Yoon, Sung-Eui Yoon,
- Abstract要約: 四足歩行ロボットは、脚に依存しているため、長距離ナビゲーション効率の限界に直面している。
本稿では,人間によるセグウェイの利用に触発された強化学習に基づくアクティブトランスポーターライディング手法を提案する。
- 参考スコア（独自算出の注目度）: 19.518110809455553
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Quadruped robots face limitations in long-range navigation efficiency due to their reliance on legs. To ameliorate the limitations, we introduce a Reinforcement Learning-based Active Transporter Riding method (\textit{RL-ATR}), inspired by humans' utilization of personal transporters, including Segways. The \textit{RL-ATR} features a transporter riding policy and two state estimators. The policy devises adequate maneuvering strategies according to transporter-specific control dynamics, while the estimators resolve sensor ambiguities in non-inertial frames by inferring unobservable robot and transporter states. Comprehensive evaluations in simulation validate proficient command tracking abilities across various transporter-robot models and reduced energy consumption compared to legged locomotion. Moreover, we conduct ablation studies to quantify individual component contributions within the \textit{RL-ATR}. This riding ability could broaden the locomotion modalities of quadruped robots, potentially expanding the operational range and efficiency.
- Abstract（参考訳）: 四足歩行ロボットは、脚に依存しているため、長距離ナビゲーション効率の限界に直面している。
制限を改善するために,Segwaysを含むパーソナルトランスポーターの利用に触発されたReinforcement Learning-based Active Transporter Riding法(\textit{RL-ATR})を導入する。
textit{RL-ATR} はトランスポーターの乗馬ポリシーと2つの状態推定器を備えている。
このポリシーは、トランスポーター固有の制御力学に従って適切な操作戦略を考案し、非慣性フレームにおけるセンサのあいまいさを、観測不能なロボットとトランスポーター状態の推測によって解決する。
シミュレーションにおける包括的評価は、各種トランスポーターロボットモデルにおける熟練した指令追跡能力を検証し、足の移動と比較してエネルギー消費を削減した。
さらに,<textit{RL-ATR} 内の個々の成分の寄与を定量化するためにアブレーション研究を行う。
この乗馬能力は四足歩行ロボットの移動モダリティを拡大し、操作範囲と効率を拡大する可能性がある。
関連論文リスト
- Load-Aware Locomotion Control for Humanoid Robots in Industrial Transportation Tasks [19.55626538861657]
本稿では、疎結合で協調的なロコ操作アーキテクチャに基づく産業用ヒューマノイドの負荷対応ロコモーションフレームワークを提案する。
下半身移動は、運動学的に派生した名目構成に残留的な関節動作を生じる強化学習ポリシーを介して制御される。
このフレームワークは完全にシミュレーションで訓練され、微調整なしでフルサイズのヒューマノイドロボットにデプロイされる。
論文 参考訳（メタデータ） (2026-03-15T09:57:32Z) - Bipedalism for Quadrupedal Robots: Versatile Loco-Manipulation through Risk-Adaptive Reinforcement Learning [21.938067330028066]
四足歩行ロボットに二足歩行を導入し,前肢を開放し,環境との多目的インタラクションを実現する。
後肢を歩行する四足歩行ロボットを対象としたリスク適応型分散強化学習フレームワークを提案する。
論文 参考訳（メタデータ） (2025-07-27T18:51:34Z) - 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) - Learning Decentralized Multi-Biped Control for Payload Transport [15.317089841584012]
我々は、車輪をキャリヤに取り付けられた複数の二足歩行ロボットに置き換える多足歩行ロボットキャリアについて検討する。
私たちの主な貢献は、このようなシステムのための分散コントローラの設計です。
実世界への移動を支援するシミュレーションにおいて,制御器を訓練するための強化学習手法を提案する。
論文 参考訳（メタデータ） (2024-06-25T05:08:44Z) - Learning Robust Autonomous Navigation and Locomotion for Wheeled-Legged Robots [50.02055068660255]
都市環境のナビゲーションは、ロボットにとってユニークな課題であり、移動とナビゲーションのための革新的なソリューションを必要としている。
本研究は, 適応移動制御, 移動対応ローカルナビゲーション計画, 市内の大規模経路計画を含む, 完全に統合されたシステムを導入する。
モデルフリー強化学習(RL)技術と特権学習を用いて,多目的移動制御系を開発した。
私たちのコントローラーは大規模な都市航法システムに統合され、スイスのチューリッヒとスペインのセビリアで自律的、キロメートル規模の航法ミッションによって検証されます。
論文 参考訳（メタデータ） (2024-05-03T00:29:20Z) - 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) - Coupling Vision and Proprioception for Navigation of Legged Robots [65.59559699815512]
我々は視覚と受容の相補的な強みを利用して、脚のあるロボットでポイントゴールナビゲーションを実現する。
車輪付きロボット(LoCoBot)のベースラインよりも優れた性能を示す。
また,センサーと計算能力を備えた四足歩行ロボットに,我々のシステムを実環境に展開することも示す。
論文 参考訳（メタデータ） (2021-12-03T18:59:59Z) - 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) - Reinforcement Learning for Robust Parameterized Locomotion Control of
Bipedal Robots [121.42930679076574]
シミュレーションにおけるロコモーションポリシをトレーニングするためのモデルフリー強化学習フレームワークを提案する。
ドメインランダム化は、システムダイナミクスのバリエーションにまたがる堅牢な振る舞いを学ぶためのポリシーを奨励するために使用されます。
本研究では、目標歩行速度、歩行高さ、旋回ヨーなどの多目的歩行行動について示す。
論文 参考訳（メタデータ） (2021-03-26T07:14:01Z)
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。