論文の概要: Perceptive Variable-Timing Footstep Planning for Humanoid Locomotion on Disconnected Footholds

• arxiv url: http://arxiv.org/abs/2603.07400v1
• Date: Sun, 08 Mar 2026 01:04:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:42.047531
• Title: Perceptive Variable-Timing Footstep Planning for Humanoid Locomotion on Disconnected Footholds
• Title（参考訳）: 離間足場におけるヒューマノイド移動に対する知覚的可変型歩行計画
• Authors: Zhaoyang Xiang, Upama Pant, Ayonga Hereid,
• Abstract要約: 本稿では,足の配置と歩留まりを協調的に計画する,車載・知覚混合整数モデル予測制御フレームワークを提案する。 外部プッシュを含む無作為なステップストーン場におけるDigitのシミュレーションにおけるアプローチを評価する。
• 参考スコア（独自算出の注目度）: 2.963101656293054
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Many real-world walking scenarios contain obstacles and unsafe ground patches (e.g., slippery or cluttered areas), leaving a disconnected set of admissible footholds that can be modeled as stepping-stone-like regions. We propose an onboard, perceptive mixed-integer model predictive control framework that jointly plans foot placement and step duration using step-to-step Divergent Component of Motion (DCM) dynamics. Ego-centric depth images are fused into a probabilistic local heightmap, from which we extract a union of convex steppable regions. Region membership is enforced with binary variables in a mixed-integer quadratic program (MIQP). To keep the optimization tractable while certifying safety, we embed capturability bounds in the DCM space: a lateral one-step condition (preventing leg crossing) and a sagittal infinite-step bound that limits unstable growth. We further re-plan within the step by back-propagating the measured instantaneous DCM to update the initial DCM, improving robustness to model mismatch and external disturbances. We evaluate the approach in simulation on Digit on randomized stepping-stone fields, including external pushes. The planner generates terrain-aware, dynamically consistent footstep sequences with adaptive timing and millisecond-level solve times.
• Abstract（参考訳）: 多くの現実世界の歩行シナリオには障害物や安全でない地面パッチ(例えば、滑りやすい場所や散らばった場所)が含まれており、足踏み石のような領域としてモデル化できる許容できない足場が残されている。 ステップ・ツー・ステップ・ディバージェント・コンポーネント・オブ・モーション(DCM)のダイナミックスを用いて,足の配置と歩留まりを共同で計画する,オンボード型,知覚型混合整数モデル予測制御フレームワークを提案する。 エゴ中心の深度画像は確率的局所高度マップに融合され、そこから凸ステッピング領域の結合を抽出する。 領域メンバシップは、混合整数二次プログラム(MIQP)においてバイナリ変数で強制される。 安全性を保証しながら最適化を継続するために、不安定な成長を制限する側方一段条件(脚交差防止)と矢状無限段境界(矢状無限段境界)をDCM空間に埋め込む。 我々は、測定した瞬時DCMをバックプロパゲートして初期DCMを更新し、ミスマッチや外乱をモデル化するための堅牢性を向上することで、ステップ内でさらに再計画する。 外部プッシュを含む無作為なステップストーン場におけるDigitのシミュレーションにおけるアプローチを評価する。 プランナーは、適応タイミングとミリ秒レベルの解時間で、地形を意識し、動的に一貫したステップシーケンスを生成する。

関連論文リスト

• Flickering Multi-Armed Bandits [7.465238700168576]
  Flickering Multi-Armed Bandits (FMAB) は、利用可能なアーム(またはアクション)のセットを各ラウンドで変更できる新しいMABフレームワークである。 我々は、アームがノードであり、エージェントの動きが局所的に制限されるランダムグラフプロセスを用いて、制約付きで進化する可用性をモデル化する。 本アルゴリズムは,この問題クラスに対する情報理論的下界の整合性を確立することにより,ほぼ最適であることを示す。
  論文  参考訳（メタデータ） (2026-02-19T12:24:01Z)
• Toward Operationalizing Rasmussen: Drift Observability on the Simplex for Evolving Systems [0.0]
  障害へのドリフトのモニタリングはユークリッド異常検出によって妨げられる。 ラスムッセンの動的安全モデルは、競合する圧力の下でドリフトを動機付ける。 そこで本研究では,単純度に基づくドリフト可観測性に関するビジョンを提案する。
  論文  参考訳（メタデータ） (2026-02-05T09:41:49Z)
• LocoMamba: Vision-Driven Locomotion via End-to-End Deep Reinforcement Learning with Mamba [2.26464274357758]
  選択状態空間モデル上に構築された視覚駆動型クロスモーダルDRLフレームワークについて,特にMambaを活用して紹介する。 LocoMambaは、ニアリニア時間シーケンスモデリングを実現し、効果的に長距離依存関係をキャプチャし、長いシーケンスで効率的なトレーニングを可能にする。 静的かつ動いた障害物や不均一な地形を有するシミュレーション環境において,本手法の評価を行った。
  論文  参考訳（メタデータ） (2025-08-16T00:13:24Z)
• Dynamic Neural Potential Field: Online Trajectory Optimization in the Presence of Moving Obstacles [45.02872365395957]
  本稿では,学習予測モデル制御(MPC)フレームワークとして動的ポテンシャル場(NPFieldGPT)を提案する。 NPField-GPTは運動変化下でより安全でより保守的な軌道を生成する。 またCIAO*やMPPIのベースラインと比較する。
  論文  参考訳（メタデータ） (2024-10-09T12:27:09Z)
• Model Checking for Closed-Loop Robot Reactive Planning [0.0]
  モデル検査を用いて、ディファレンシャルドライブホイールロボットの多段階計画を作成することにより、即時危険を回避できることを示す。 簡単な生物エージェントのエゴセントリックな反応を反映した,小型で汎用的なモデル検査アルゴリズムを用いて,リアルタイムで計画を生成する。
  論文  参考訳（メタデータ） (2023-11-16T11:02:29Z)
• Simultaneous Contact-Rich Grasping and Locomotion via Distributed Optimization Enabling Free-Climbing for Multi-Limbed Robots [60.06216976204385]
  移動, 把握, 接触問題を同時に解くための効率的な運動計画フレームワークを提案する。 ハードウェア実験において提案手法を実証し, より短い計画時間で, 傾斜角45degで自由クライミングを含む様々な動作を実現できることを示す。
  論文  参考訳（メタデータ） (2022-07-04T13:52:10Z)
• Reinforcement Learning with a Terminator [80.34572413850186]
  我々は, TerMDP のパラメータを学習し, 推定問題の構造を活用し, 状態ワイドな信頼境界を提供する。 我々はこれらを用いて証明可能な効率のよいアルゴリズムを構築し、終端を考慮し、その後悔を抑える。
  論文  参考訳（メタデータ） (2022-05-30T18:40:28Z)
• Modular Deep Reinforcement Learning for Continuous Motion Planning with Temporal Logic [59.94347858883343]
  本稿では,マルコフ決定過程(MDP)をモデルとした自律動的システムの運動計画について検討する。 LDGBA と MDP の間に組込み製品 MDP (EP-MDP) を設計することである。 モデルフリー強化学習(RL)のためのLDGBAベースの報酬形成と割引スキームは、EP-MDP状態にのみ依存する。
  論文  参考訳（メタデータ） (2021-02-24T01:11:25Z)
• Risk-Averse MPC via Visual-Inertial Input and Recurrent Networks for Online Collision Avoidance [95.86944752753564]
  本稿では,モデル予測制御(MPC)の定式化を拡張したオンライン経路計画アーキテクチャを提案する。 我々のアルゴリズムは、状態推定の共分散を推論するリカレントニューラルネットワーク(RNN)とオブジェクト検出パイプラインを組み合わせる。 本手法のロバスト性は, 複雑な四足歩行ロボットの力学で検証され, ほとんどのロボットプラットフォームに適用可能である。
  論文  参考訳（メタデータ） (2020-07-28T07:34:30Z)

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。