論文の概要: Look Forward to Walk Backward: Efficient Terrain Memory for Backward Locomotion with Forward Vision

• arxiv url: http://arxiv.org/abs/2603.03138v1
• Date: Tue, 03 Mar 2026 16:24:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:41.864816
• Title: Look Forward to Walk Backward: Efficient Terrain Memory for Backward Locomotion with Forward Vision
• Title（参考訳）: 前向きに歩く: 後方視による後方移動のための効率的なテランの記憶
• Authors: Shixin Luo, Songbo Li, Yuan Hao, Yaqi Wang, Jun Zheng, Jun Wu, Qiuguo Zhu,
• Abstract要約: エゴセントリックな前方の奥行きカメラを備えたレッグロボットは、複雑な地形で堅牢な前方のアジリティを達成するために、外的受容とプロプレセプションを結合することができる。 本研究では,効率的な地形記憶ロコモーションフレームワークであるLook Forward to Walk Backward (LF2WB)について述べる。
• 参考スコア（独自算出の注目度）: 8.971920118137282
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Legged robots with egocentric forward-facing depth cameras can couple exteroception and proprioception to achieve robust forward agility on complex terrain. When these robots walk backward, the forward-only field of view provides no preview. Purely proprioceptive controllers can remain stable on moderate ground when moving backward but cannot fully exploit the robot's capabilities on complex terrain and must collide with obstacles. We present Look Forward to Walk Backward (LF2WB), an efficient terrain-memory locomotion framework that uses forward egocentric depth and proprioception to write a compact associative memory during forward motion and to retrieve it for collision-free backward locomotion without rearward vision. The memory backbone employs a delta-rule selective update that softly removes then writes the memory state along the active subspace. Training uses hardware-efficient parallel computation, and deployment runs recurrent, constant-time per-step inference with a constant-size state, making the approach suitable for onboard processors on low-cost robots. Experiments in both simulations and real-world scenarios demonstrate the effectiveness of our method, improving backward agility across complex terrains under limited sensing.
• Abstract（参考訳）: エゴセントリックな前方の奥行きカメラを備えたレッグロボットは、複雑な地形で堅牢な前方のアジリティを達成するために、外的受容とプロプレセプションを結合することができる。 これらのロボットが後ろに歩くとき、前方のみの視野ではプレビューは提供されない。 純粋に受容性のあるコントローラーは、後方に移動するときに適度な地面で安定するが、複雑な地形でロボットの能力を完全に活用することはできず、障害物と衝突しなければならない。 本研究では,前進運動中にコンパクトな連想記憶を記述し,後進視覚を伴わない衝突のない後進移動を実現するために,前方偏心深度と固有概念を用いた効率的な地形記憶ロコモーションフレームワークであるLook Forward to Walk Backward (LF2WB)を提案する。 メモリバックボーンはデルタルール選択更新を採用し、ソフトに削除し、アクティブなサブスペースに沿ってメモリ状態を書き込む。 トレーニングはハードウェア効率の並列計算を使用し、デプロイはステップ毎の繰り返し、一定サイズの状態で実行され、低コストロボットのオンボードプロセッサに適したアプローチである。 シミュレーションと実世界のシナリオの両方で実験を行った結果,本手法の有効性が示された。

関連論文リスト

• PALo: Learning Posture-Aware Locomotion for Quadruped Robots [29.582249837902427]
  本稿では,姿勢認識型移動ロボットPALoのエンド・ツー・エンド深部強化学習フレームワークを提案する。 PALoは、直線速度と角速度の同時追跡と、体高、ピッチ、ロール角度のリアルタイム調整を行う。 PALoは、シミュレートされた環境でアジャイルな姿勢認識ロコモーションコントロールを実現し、微調整なしで実世界の設定に転送することに成功した。
  論文  参考訳（メタデータ） (2025-03-06T14:13:59Z)
• 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 Humanoid Standing-up Control across Diverse Postures [27.79222176982376]
  立ち上がり制御はヒューマノイドロボットにとって不可欠であり、現在の移動と移動操作システムに統合される可能性がある。 本稿では,立ち上がり制御をゼロから学習する強化学習フレームワークであるHoST(Humanoid Standing-up Control)を提案する。 実験結果から, 各種実験室および屋外環境におけるスムーズ, 安定, 頑健な立位運動が得られた。
  論文  参考訳（メタデータ） (2025-02-12T13:10:09Z)
• Learning to enhance multi-legged robot on rugged landscapes [7.956679144631909]
  多足ロボットは、頑丈な風景をナビゲートするための有望なソリューションを提供する。 近年の研究では、線形制御器が挑戦的な地形上で信頼性の高い移動性を確保することが示されている。 我々は,このロボットプラットフォームに適した MuJoCo ベースのシミュレータを開発し,シミュレーションを用いて強化学習に基づく制御フレームワークを開発する。
  論文  参考訳（メタデータ） (2024-09-14T15:53:08Z)
• Legged Locomotion in Challenging Terrains using Egocentric Vision [70.37554680771322]
  本稿では,階段,縁石,石段,隙間を横断できる最初のエンドツーエンド移動システムを提案する。 この結果を,1台の前面深度カメラを用いた中型四足歩行ロボットに示す。
  論文  参考訳（メタデータ） (2022-11-14T18:59:58Z)
• 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)
• Learning Perceptual Locomotion on Uneven Terrains using Sparse Visual Observations [75.60524561611008]
  この研究は、人中心の環境において、よく見られるバンプ、ランプ、階段の広い範囲にわたる知覚的移動を達成するために、スパースな視覚的観察の使用を活用することを目的としている。 まず、関心の均一な面を表すことのできる最小限の視覚入力を定式化し、このような外受容的・固有受容的データを統合した学習フレームワークを提案する。 本研究では, 平地を全方向歩行し, 障害物のある地形を前方移動させるタスクにおいて, 学習方針を検証し, 高い成功率を示す。
  論文  参考訳（メタデータ） (2021-09-28T20:25:10Z)
• Autonomous Navigation of Underactuated Bipedal Robots in Height-Constrained Environments [20.246040671823554]
  本稿では,二足歩行ロボットのためのエンドツーエンドの自律ナビゲーションフレームワークを提案する。 平面歩行と垂直歩行高さの結合力学を捉えるために,垂直移動式Spring-Loaded Inverted Pendulum (vSLIP)モデルを導入した。 可変歩行高さ制御装置を利用して、二足歩行ロボットは、計画された軌跡に従いながら、安定した周期歩行歩行を維持できる。
  論文  参考訳（メタデータ） (2021-09-13T05:36:14Z)
• Learning Quadrupedal Locomotion over Challenging Terrain [68.51539602703662]
  足の移動はロボティクスの操作領域を劇的に拡張することができる。 足の移動のための従来のコントローラーは、運動プリミティブと反射の実行を明示的にトリガーする精巧な状態マシンに基づいている。 ここでは、自然環境に挑戦する際の足の移動に対して、徹底的に頑健な制御器を提案する。
  論文  参考訳（メタデータ） (2020-10-21T19:11:20Z)

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。