論文の概要: LIMBERO: A Limbed Climbing Exploration Robot Toward Traveling on Rocky Cliffs

• arxiv url: http://arxiv.org/abs/2603.16531v1
• Date: Tue, 17 Mar 2026 13:53:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-21 18:33:56.908487
• Title: LIMBERO: A Limbed Climbing Exploration Robot Toward Traveling on Rocky Cliffs
• Title（参考訳）: LIMBERO:岩だらけの崖の上を旅する潜水ロボット
• Authors: Kentaro Uno, Masazumi Imai, Kazuki Takada, Teruhiro Kataonami, Yudai Matsuura, Antonin Ringeval-Meusnier, Keita Nagaoka, Mikio Eguchi, Ryo Nishibe, Kazuya Yoshida,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 2.374610323448344
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: In lunar and planetary exploration, legged robots have attracted significant attention as an alternative to conventional wheeled robots, which struggle to traverse rough and uneven terrain. To enable locomotion over highly irregular and steeply inclined surfaces, limbed climbing robots equipped with grippers on their feet have emerged as a promising solution. In this paper, we present LIMBERO, a 10 kg-class quadrupedal climbing robot that employs spine-type grippers for stable locomotion and climbing on rugged and steep terrain. We first introduce a novel gripper design featuring coupled finger-closing and spine-hooking motions, tightly actuated by a single motor, which achieves exceptional grasping performance (>150 N) despite its lightweight design (525 g). Furthermore, we develop an efficient algorithm to visualize a geometry-based graspability index on continuous rough terrain. Finally, we integrate these components into LIMBERO and demonstrate its ability to ascend steep rocky surfaces under a 1 G gravity condition, a performance not previously achieved yet for limbed climbing robots of this scale.
• Abstract（参考訳）: 月や惑星の探査において、脚のあるロボットは、荒れた地形と不均一な地形を横切るのに苦労する従来の車輪付きのロボットに代わるものとして、大きな注目を集めている。 非常に不規則で急傾斜な表面上での移動を可能にするため、足にグリッパーを装備した脚付き登山ロボットが期待できる解決策として登場した。 本稿では,10kg級四足歩行ロボットのLIMBEROについて述べる。 まず,手指閉じ動作とスピンホッキング動作を結合した新しいグリップデザインを導入し,軽量な設計(525g)にもかかわらず,優れたグリップ性能(150N)を実現した。 さらに、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。 最後に、これらの部品をLIMBEROに統合し、1Gの重力条件下で急な岩面を登上する能力を示す。

関連論文リスト

• 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)
• Co-jump: Cooperative Jumping with Quadrupedal Robots via Multi-Agent Reinforcement Learning [20.562583114049747]
  コジャンプ(co-jump)は、2つの四足歩行ロボットが単独でジャンプを行うという協調作業である。 我々は,このタスクの高インパルス接触ダイナミクスを,明示的なコミュニケーションや事前定義された動作プリミティブを伴わずに同期する分散環境下で取り組んだ。 ロボットの1つが1.1mの高さを達成しており、スタンドアローンの四足歩行ロボットの0.45mのジャンプ高よりも144%向上している。
  論文  参考訳（メタデータ） (2026-02-11T04:28:04Z)
• 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)
• 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)
• Quadruped Locomotion on Non-Rigid Terrain using Reinforcement Learning [10.729374293332281]
  非剛性な動的地形上での移動学習のための新しい強化学習フレームワークを提案する。 55cmのトレーニングを受けたロボットは、最大5cmまで沈むことができる地形を歩ける。 様々な地形条件でロボットを訓練することで,本手法の有効性を示す。
  論文  参考訳（メタデータ） (2021-07-07T00:34:23Z)

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。