論文の概要: System Design of the Ultra Mobility Vehicle: A Driving, Balancing, and Jumping Bicycle Robot

• arxiv url: http://arxiv.org/abs/2602.22118v3
• Date: Tue, 17 Mar 2026 16:19:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:41.716773
• Title: System Design of the Ultra Mobility Vehicle: A Driving, Balancing, and Jumping Bicycle Robot
• Title（参考訳）: 超小型自動車のシステム設計:走行・バランス・ジャンプ自転車ロボット
• Abstract要約: トライアルサイクリストとマウンテンバイクライダーは、ホップ、ジャンプ、バランスをとり、一方または両側の車輪で運転することができる。 この23.5kgのロボットは、高速で大きな障害物を乗り越えることができる。
• 参考スコア（独自算出の注目度）: 20.113840669330596
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Trials cyclists and mountain bike riders can hop, jump, balance, and drive on one or both wheels. This versatility allows them to achieve speed and energy-efficiency on smooth terrain and agility over rough terrain. Inspired by these athletes, we present the design and control of a robotic platform, Ultra Mobility Vehicle (UMV), which combines a bicycle and a reaction mass to move dynamically with minimal actuated degrees of freedom. We employ a simulation-driven design optimization process to synthesize a spatial linkage topology with a focus on vertical jump height and momentum-based balancing on a single wheel contact. Using a constrained Reinforcement Learning (RL) framework, we demonstrate zero-shot transfer of diverse athletic behaviors, including track-stands, jumps, wheelies, rear wheel hopping, and front flips. This 23.5 kg robot is capable of high speeds (8 m/s) and jumping on and over large obstacles (1 m tall, or 130% of the robot's nominal height).
• Abstract（参考訳）: トライアルサイクリストとマウンテンバイクライダーは、ホップ、ジャンプ、バランスをとり、一方または両側の車輪で運転することができる。 この汎用性により、スムーズな地形における速度とエネルギー効率、および荒れた地形上での俊敏性を達成することができる。 これらのアスリートに触発されて、自転車と反応質量を組み合わせたロボットプラットフォームであるUltra Mobility Vehicle(UMV)の設計と制御を行い、最小の運動自由度で動的に動きます。 シミュレーション駆動設計最適化法を用いて,垂直跳躍高さと単輪接触における運動量に基づくバランスに着目した空間リンクトポロジーを合成する。 制約付き強化学習(RL)フレームワークを用いて,トラックスタンド,ジャンプ,車輪,後輪ホッピング,フロントフリップなど,多様な運動行動のゼロショット移動を実演する。 この23.5kgのロボットは、高速(8m/s)で大きな障害物(高さ1m、ロボットの名目の高さの130%)を飛び越えることができる。

関連論文リスト

• Bicycle Acrobatics with Reinforcement Learning [3.1700350168889018]
  強化学習(Reinforcement Learning)を用いて、自転車ロボットが動的アクロバティックなスタントを多種多様なレパートリーで学習し、構成できるようにする。 このロボットは、自律的なシングルとマルチテーブルの前方と側面のジャンプ、ステアブルジャンプ、フロントフリップ、キップアップ、キップダウン、ドライブ、ウイリー、バニーホップ、そして3ポイントのターンを取得する。 我々は、シミュレーションとハードウェアにおいて、カスタム自転車ロボットであるUltra Mobility Vehicle(UMV)のアプローチを検証する。
  論文  参考訳（メタデータ） (2026-08-01T21:54:40Z)
• LIMBERO: A Limbed Climbing Exploration Robot Toward Traveling on Rocky Cliffs [2.374610323448344]
  LIMBEROは10kg級の四足歩行ロボットで、足に背骨型のグリップが付いている。 そこで本研究では,指閉じ動作とスピンホック動作を結合したグリップデザインを提案する。 連続した荒地における幾何に基づく把握可能性指数を可視化する効率的なアルゴリズムを開発した。
  論文  参考訳（メタデータ） (2026-03-17T13:53:45Z)
• Underactuated multimodal jumping robot for extraterrestrial exploration [0.3867363075280543]
  低重力体上でのマルチモーダル移動の探索を目的とした転動・跳躍式単足ロボットを提案する。 地上でのロボットの跳躍方向を目標とするバランスコントローラと、飛行後にロボットの脚を目標とする空中再配向コントローラである。
  論文  参考訳（メタデータ） (2026-03-06T18:08:32Z)
• Jumping Control for a Quadrupedal Wheeled-Legged Robot via NMPC and DE Optimization [14.88101223616473]
  四足歩行ロボットは、足歩行と車輪移動の利点を組み合わせて、より優れた移動性を実現する。 ダイナミックジャンプの実行は、車輪付きの脚によって導入された追加の自由度のために、依然として重要な課題である。 そこで本研究では,アジャイル運動のための小型の車輪付き脚ロボットを開発し,新しい動き制御フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-02-25T06:13:59Z)
• 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)
• 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)
• 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)
• Impedance Matching: Enabling an RL-Based Running Jump in a Quadruped Robot [7.516046071926082]
  シミュレーションロボットと現実ロボットのギャップを軽減するための新しい枠組みを提案する。 本フレームワークはパラメータ選択のための構造化ガイドラインとシミュレーションにおける動的ランダム化の範囲を提供する。 結果は、我々の知る限り、実四足歩行ロボットにおいて、RLベースの制御ポリシーによって実証された最も高く、最も長いジャンプの1つです。
  論文  参考訳（メタデータ） (2024-04-23T14:52:09Z)
• 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)
• Barkour: Benchmarking Animal-level Agility with Quadruped Robots [70.97471756305463]
  脚付きロボットのアジリティを定量化するための障害物コースであるBarkourベンチマークを導入する。 犬の機敏性の競争に触発され、様々な障害と時間に基づくスコアリング機構から構成される。 ベンチマークに対処する2つの方法を提案する。
  論文  参考訳（メタデータ） (2023-05-24T02:49:43Z)
• Hierarchical Reinforcement Learning for Precise Soccer Shooting Skills using a Quadrupedal Robot [76.04391023228081]
  本研究では,四足歩行ロボットが実世界において,強化学習を用いて精度の高い射撃技術を実現できるという課題に対処する。 本研究では, 深層強化学習を活用して頑健な動作制御政策を訓練する階層的枠組みを提案する。 提案するフレームワークをA1四足歩行ロボットに展開し、実世界のランダムなターゲットに向けて正確にボールを発射できるようにする。
  論文  参考訳（メタデータ） (2022-08-01T22:34:51Z)

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。