論文の概要: Unifying Sidewinding and Rolling: A Wave-Based Framework for Self-Righting in Elongated Limbless and Multi-Legged Robots

• arxiv url: http://arxiv.org/abs/2603.07417v1
• Date: Sun, 08 Mar 2026 02:14:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:42.048566
• Title: Unifying Sidewinding and Rolling: A Wave-Based Framework for Self-Righting in Elongated Limbless and Multi-Legged Robots
• Title（参考訳）: 横巻きと転がりの統一: 伸長肢・多脚ロボットにおける自己調整のための波面ベースフレームワーク
• Authors: Hangjun Liu, Jiarui Geng, Jinxuan Ding, Gengzhi He, Xiyuan Wang, Melisa Arukgoda, Joe DiGennaro, George Ubertalli, Grigoriy Blekherman, Baxi Chong,
• Abstract要約: センティペデのようなロボットは、狭い空間にアクセスするための小さな断面積があるため、ユニークな利点がある。 センテペデのロボットは、大きな障害物を登るときの転倒に特に弱い。 細長いマルチレッグシステムのための自己照準戦略は、いまだに理解されていない。
• 参考スコア（独自算出の注目度）: 11.11842437482529
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Centipede-like robots offer unique locomotion advantages due to their small cross-sectional area for accessing confined spaces, and their redundant legs enhance robustness in cluttered environments such as search-and-rescue and pipe inspection. However, elongated robots are particularly vulnerable to tipping over when climbing large obstacles, making reliable self-righting essential for field deployment. Self-righting strategies for elongate, multi-legged systems remain poorly understood. In this study, we conduct a comparative biomechanics and robophysical investigation to address three key questions: (1) What self-righting strategies are effective for elongate, many-legged systems? (2) How should these strategies depend on morphological parameters such as leg length and leg number? (3) Is there a morphological limit beyond which reliable self-righting becomes infeasible? We compare two biological exemplars: Scolopendra subspinipes (short legs) and Scutigera coleoptrata (house centipedes with long legs). Scolopendra subspinipes reliably self-rights both during aerial phases and through ground-assisted self-righting, whereas house centipedes rely predominantly on aerial reorientation and struggle to generate effective self-righting torques during ground contact. Motivated by these observations, we construct a parameterized space of bio-inspired self-righting strategies and develop an elongate robot with adjustable leg lengths. Systematic experiments reveal that increasing leg length necessitates a shift in control strategy to prevent torque over-concentration in mid-body actuators, and we identify a critical limb-length threshold above which robust self-righting becomes challenging. These results establish morphology-strategy coupling principles for self-righting in elongate robots and provide design guidelines for centipede-like systems operating in uncertain terrain.
• Abstract（参考訳）: Centipedeのようなロボットは、狭い空間にアクセスするための断面面積が小さく、冗長な脚は捜索・救助・管検査などの散らばった環境において頑丈さを高めるため、独特の移動の利点がある。 しかし、長いロボットは大きな障害物を登るときに特に転倒に弱いため、現場配備には信頼性の高い自己照準が不可欠である。 細長いマルチレッグシステムのための自己照準戦略は、いまだに理解されていない。 本研究では,(1)長期・多脚システムに有効な自己照準戦略について,比較バイオメカニクスとロボフィジカル調査を行い,三つの課題に対処する。 2) 足の長さや足数などの形態的パラメータにどのように依存すべきか? (3)信頼できる自尊心が実現できない形態的限界はあるか? Scolopendra subspinipes(短い脚)とScutigera coleoptrata(長い脚を持つ家)の2つの生物学的例を比較した。 スコペンドラは、空中位相と地上支援による自己照準の両方において確実に自己照準を保ち、一方、遠心分離機は、地上接触時に効果的な自己照準トルクを生成するのに、主に空中再配向と苦労に頼っている。 本研究は, バイオインスパイアされた自己照準戦略のパラメータ化空間を構築し, 脚の長さを調節可能な伸長ロボットを開発した。 システム実験により, 足長の増大は中体アクチュエータのトルク過集中を防止するための制御戦略のシフトを必要とし, 頑健な自己照準が困難になる臨界肢長閾値を同定する。 これらの結果は、長尺ロボットにおける自己照準のための形態・戦略結合原理を確立し、不確実な地形で動作するセンテペデスのようなシステムの設計ガイドラインを提供する。

関連論文リスト

• A Robust Antenna Provides Tactile Feedback in a Multi-legged Robot [5.006987439719138]
  周辺地形をリアルタイムに検知できる多脚ロボット用触覚アンテナの開発を行った。 障害物に富んだ環境と制限された環境での実験は、触覚フィードバックが信頼できるステアリングを可能にすることを示した。
  論文  参考訳（メタデータ） (2026-03-08T20:28:55Z)
• 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)
• Coordinating Spinal and Limb Dynamics for Enhanced Sprawling Robot Mobility [0.047116288835793156]
  柔軟性のある脊椎は、脊椎に沿って波状の動きを通して身体を揺らぎ、不均一な地形や障害物を航行するのを助ける。 表面の不規則や摩擦の変動といった環境の不確実性は、体-肢の協調を著しく阻害する。 深い強化学習は、非決定論的環境を扱うための有望なフレームワークを提供する。 本研究では,サンショウウオのようなロボットを用いた学習型制御戦略と生物学的にインスパイアされた歩行設計手法について比較検討した。
  論文  参考訳（メタデータ） (2025-04-18T23:08:48Z)
• 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)
• 6N-DoF Pose Tracking for Tensegrity Robots [5.398092221687385]
  引張ロボットは剛性圧縮要素(ロッド)と柔軟な引張要素(ケーブルなど)から構成される この研究は、マーカーのない視覚に基づく方法で、緊張するロボットのポーズトラッキングに対処することを目的としている。 RGB-Dビデオから張力ロボットの各剛体要素の6-DoFポーズを反復的に推定するプロセスを提案する。
  論文  参考訳（メタデータ） (2022-05-29T20:55:29Z)
• VAE-Loco: Versatile Quadruped Locomotion by Learning a Disentangled Gait Representation [78.92147339883137]
  本研究では,特定の歩行を構成する主要姿勢位相を捕捉する潜在空間を学習することにより,制御器のロバスト性を高めることが重要であることを示す。 本研究では,ドライブ信号マップの特定の特性が,歩幅,歩幅,立位などの歩行パラメータに直接関係していることを示す。 生成モデルを使用することで、障害の検出と緩和が容易になり、汎用的で堅牢な計画フレームワークを提供する。
  論文  参考訳（メタデータ） (2022-05-02T19:49:53Z)
• Next Steps: Learning a Disentangled Gait Representation for Versatile Quadruped Locomotion [69.87112582900363]
  現在のプランナーは、ロボットが動いている間、キー歩行パラメータを連続的に変更することはできない。 本研究では、特定の歩行を構成する重要な姿勢位相を捉える潜在空間を学習することにより、この制限に対処する。 本研究では, 歩幅, 歩幅, 立位など, 歩行パラメータに直接対応した駆動信号マップの具体的特性を示す。
  論文  参考訳（メタデータ） (2021-12-09T10:02:02Z)
• 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)

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。