論文の概要: Learning Whole-Body Control for a Salamander Robot

• arxiv url: http://arxiv.org/abs/2603.16683v1
• Date: Tue, 17 Mar 2026 15:43:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-21 18:33:56.918413
• Title: Learning Whole-Body Control for a Salamander Robot
• Title（参考訳）: サラマンダーロボットの全身制御の学習
• Authors: Mengze Tian, Qiyuan Fu, Chuanfang Ning, Javier Jia Jie Pey, Auke Ijspeert,
• Abstract要約: サラマンダーに触発された両生類脚ロボットは、複雑な水陸両生環境における応用を約束している。 多くのサンショウウオロボットは、中心パターンジェネレータ(CPG)をベースとし、ロコモーション制御のためのモデルベースコーディネート戦略に頼っていた。 強化学習(Reinforcement Learning)を用いて、主観的観察をマッピングし、共同レベルの行動に速度を指示することで、協調した運動行動が出現する。
• 参考スコア（独自算出の注目度）: 1.321203201549798
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Amphibious legged robots inspired by salamanders are promising in applications in complex amphibious environments. However, despite the significant success of training controllers that achieve diverse locomotion behaviors in conventional quadrupedal robots, most salamander robots relied on central-pattern-generator (CPG)-based and model-based coordination strategies for locomotion control. Learning unified joint-level whole-body control that reliably transfers from simulation to highly articulated physical salamander robots remains relatively underexplored. In addition, few legged robots have tried learning-based controllers in amphibious environments. In this work, we employ Reinforcement Learning to map proprioceptive observations and commanded velocities to joint-level actions, allowing coordinated locomotor behaviors to emerge. To deploy these policies on hardware, we adopt a system-level real-to-sim matching and sim-to-real transfer strategy. The learned controller achieves stable and coordinated walking on both flat and uneven terrains in the real world. Beyond terrestrial locomotion, the framework enables transitions between walking and swimming in simulation, highlighting a phenomenon of interest for understanding locomotion across distinct physical modes.
• Abstract（参考訳）: サラマンダーに触発された両生類脚ロボットは、複雑な水陸両生環境における応用を約束している。 しかし,従来の四足歩行ロボットでは多種多様な移動動作を実現するトレーニングコントローラが大きな成功を収めたにもかかわらず,ほとんどのサンショウウオロボットは中心パターンジェネレータ(CPG)をベースとし,ロコモーション制御のためのモデルベースコーディネーション戦略に頼っていた。 シミュレーションから高度に調音された物理的サンショウウオロボットに確実に移行する統合された統合レベル全体制御は、いまだに未発見のままである。 さらに、水陸両用環境で学習ベースのコントローラーを試すロボットはほとんどない。 本研究では,主観的観察のマッピングにReinforcement Learningを用い,協調行動に速度を指示し,協調行動の出現を可能にする。 これらのポリシーをハードウェアに展開するために,システムレベルのリアルタイムマッチングとsim-to-real転送戦略を採用する。 学習したコントローラは、現実世界の平地と不均一地の両方で、安定かつ協調した歩行を実現する。 地上での移動以外にも、このフレームワークはシミュレーションにおける歩行と水泳の遷移を可能にし、異なる物理モード間での移動を理解することへの関心の現象を浮き彫りにしている。

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)
• 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)
• Reinforcement Learning for Versatile, Dynamic, and Robust Bipedal Locomotion Control [106.32794844077534]
  本稿では,二足歩行ロボットのための動的移動制御系を構築するために,深層強化学習を用いた研究について述べる。 本研究では、周期歩行やランニングから周期ジャンプや立位に至るまで、様々な動的二足歩行技術に使用できる汎用的な制御ソリューションを開発する。 この研究は、二足歩行ロボットの俊敏性の限界を、現実世界での広範な実験を通じて押し上げる。
  論文  参考訳（メタデータ） (2024-01-30T10:48:43Z)
• Barkour: Benchmarking Animal-level Agility with Quadruped Robots [70.97471756305463]
  脚付きロボットのアジリティを定量化するための障害物コースであるBarkourベンチマークを導入する。 犬の機敏性の競争に触発され、様々な障害と時間に基づくスコアリング機構から構成される。 ベンチマークに対処する2つの方法を提案する。
  論文  参考訳（メタデータ） (2023-05-24T02:49:43Z)
• Reinforcement Learning for Robust Parameterized Locomotion Control of Bipedal Robots [121.42930679076574]
  シミュレーションにおけるロコモーションポリシをトレーニングするためのモデルフリー強化学習フレームワークを提案する。 ドメインランダム化は、システムダイナミクスのバリエーションにまたがる堅牢な振る舞いを学ぶためのポリシーを奨励するために使用されます。 本研究では、目標歩行速度、歩行高さ、旋回ヨーなどの多目的歩行行動について示す。
  論文  参考訳（メタデータ） (2021-03-26T07:14:01Z)
• 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)
• Learning Agile Robotic Locomotion Skills by Imitating Animals [72.36395376558984]
  動物の多様でアジャイルな運動スキルを再現することは、ロボット工学における長年の課題である。 そこで本研究では,現実世界の動物を模倣することで,足のロボットがアジャイルな運動能力を学ぶことができる模倣学習システムを提案する。
  論文  参考訳（メタデータ） (2020-04-02T02:56:16Z)

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。