論文の概要: OpenHEART: Opening Heterogeneous Articulated Objects with a Legged Manipulator

• arxiv url: http://arxiv.org/abs/2603.05830v1
• Date: Fri, 06 Mar 2026 02:28:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:41.971938
• Title: OpenHEART: Opening Heterogeneous Articulated Objects with a Legged Manipulator
• Title（参考訳）: OpenHEART:Legged Manipulatorで不均一な人工物を開く
• Authors: Seonghyeon Lim, Hyeonwoo Lee, Seunghyun Lee, I Made Aswin Nahrendra, Hyun Myung,
• Abstract要約: 脚を持つマニピュレータは、高い移動性と多目的な操作を提供する。 既存の強化学習アプローチは、しばしば高次元の感覚入力に依存し、サンプルの非効率性につながる。 片脚マニピュレータで異種調音物体を開放するための頑健でサンプル効率のよいフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 12.936307375464352
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Legged manipulators offer high mobility and versatile manipulation. However, robust interaction with heterogeneous articulated objects, such as doors, drawers, and cabinets, remains challenging because of the diverse articulation types of the objects and the complex dynamics of the legged robot. Existing reinforcement learning (RL)-based approaches often rely on high-dimensional sensory inputs, leading to sample inefficiency. In this paper, we propose a robust and sample-efficient framework for opening heterogeneous articulated objects with a legged manipulator. In particular, we propose Sampling-based Abstracted Feature Extraction (SAFE), which encodes handle and panel geometry into a compact low-dimensional representation, improving cross-domain generalization. Additionally, Articulation Information Estimator (ArtIEst) is introduced to adaptively mix proprioception with exteroception to estimate opening direction and range of motion for each object. The proposed framework was deployed to manipulate various heterogeneous articulated objects in simulation and real-world robot systems. Videos can be found on the project website: https://openheart-icra.github.io/OpenHEART/
• Abstract（参考訳）: 脚を持つマニピュレータは、高い移動性と多目的な操作を提供する。 しかし, ドア, 引き出し, キャビネットなどの異種調音物体とのロバストな相互作用は, 物体の多様な調音タイプと脚ロボットの複雑な力学のため, 依然として困難である。 既存の強化学習(RL)に基づくアプローチは、しばしば高次元の感覚入力に依存し、サンプルの非効率性をもたらす。 本稿では,片脚マニピュレータで異種調音物体を開放する,頑健でサンプル効率のよい枠組みを提案する。 特に, ハンドおよびパネル形状をコンパクトな低次元表現に符号化し, クロスドメイン一般化を改善したサンプリングベース抽象特徴抽出(SAFE)を提案する。 さらに、各物体の開口方向と運動範囲を推定するために、プロプレセプションと外部受容を適応的に混合するために、ArtIEst(ArtIEst)を導入している。 提案手法は,シミュレーションや実世界のロボットシステムにおいて,様々な異種調音物体を操作できる。 ビデオはプロジェクトのWebサイトで見ることができる。

関連論文リスト

• ArtReg: Visuo-Tactile based Pose Tracking and Manipulation of Unseen Articulated Objects [2.9793019246605676]
  視認できない物体の視触覚に基づく追跡のための新しい手法を提案する。 提案手法は,無意味なカルマンフィルタの定式化において,ビジュオ触点雲を統合する。 我々は,実際のロボット実験を通じて,様々な種類の未知物体に対するアプローチを広く評価してきた。
  論文  参考訳（メタデータ） (2025-11-09T13:30:51Z)
• RPMArt: Towards Robust Perception and Manipulation for Articulated Objects [56.73978941406907]
  本稿では,Articulated Objects (RPMArt) のロバスト知覚と操作のためのフレームワークを提案する。 RPMArtは、調音パラメータを推定し、雑音の多い点雲から調音部分を操作することを学習する。 我々は,シミュレート・トゥ・リアル・トランスファーの能力を高めるための調音認識型分類手法を提案する。
  論文  参考訳（メタデータ） (2024-03-24T05:55:39Z)
• GAMMA: Generalizable Articulation Modeling and Manipulation for Articulated Objects [53.965581080954905]
  本稿では,GAMMA(Generalizable Articulation Modeling and Manipulating for Articulated Objects)の新たな枠組みを提案する。 GAMMAは,異なるカテゴリーの多種多様な調音オブジェクトから,調音モデルと手取りポーズの相違を学習する。 その結果, GAMMA はSOTA の調音モデルおよび操作アルゴリズムを, 目に見えない, 横断的な調音オブジェクトで著しく上回っていることがわかった。
  論文  参考訳（メタデータ） (2023-09-28T08:57:14Z)
• Decoupling Skill Learning from Robotic Control for Generalizable Object Manipulation [35.34044822433743]
  ロボット操作の最近の研究は、様々なタスクに取り組む可能性を示している。 これは関節制御のための高次元の作用空間によるものであると推測する。 本稿では,「何をすべきか」を「どうやるか」から「どうやるか」を学習するタスクを,別のアプローチで分離する。 ロボットキネマティック・コントロールは、作業空間のゴールに到達するために高次元の関節運動を実行するように最適化されている。
  論文  参考訳（メタデータ） (2023-03-07T16:31:13Z)
• V-MAO: Generative Modeling for Multi-Arm Manipulation of Articulated Objects [51.79035249464852]
  本稿では,音声による物体のマルチアーム操作を学習するためのフレームワークを提案する。 本フレームワークは,各ロボットアームの剛部上の接触点分布を学習する変動生成モデルを含む。
  論文  参考訳（メタデータ） (2021-11-07T02:31:09Z)

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。