論文の概要: Efficient and Versatile Quadrupedal Skating: Optimal Co-design via Reinforcement Learning and Bayesian Optimization

• arxiv url: http://arxiv.org/abs/2603.18408v1
• Date: Thu, 19 Mar 2026 02:12:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-21 18:33:56.971981
• Title: Efficient and Versatile Quadrupedal Skating: Optimal Co-design via Reinforcement Learning and Bayesian Optimization
• Title（参考訳）: 効率的な四足歩行:強化学習とベイズ最適化による最適共設計
• Abstract要約: 本研究では、受動車輪を備えた四足歩行ロボット上で、効率的で多目的なローラースケートを可能にするハードウェア制御協調設計手法を提案する。 パッシブホイールスケートは脚の慣性を減少させ、特に高速でエネルギー効率を向上させる。
• 参考スコア（独自算出の注目度）: 8.969390069418777
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper, we present a hardware-control co-design approach that enables efficient and versatile roller skating on quadrupedal robots equipped with passive wheels. Passive-wheel skating reduces leg inertia and improves energy efficiency, particularly at high speeds. However, the absence of direct wheel actuation tightly couples mechanical design and control. To unlock the full potential of this modality, we formulate a bilevel optimization framework: an upper-level Bayesian Optimization searches the mechanical design space, while a lower-level Reinforcement Learning trains a motor control policy for each candidate design. The resulting design-policy pairs not only outperform human-engineered baselines, but also exhibit versatile behaviors such as hockey stop (rapid braking by turning sideways to maximize friction) and self-aligning motion (automatic reorientation to improve energy efficiency in the direction of travel), offering the first system-level study of dynamic skating motion on quadrupedal robots.
• Abstract（参考訳）: 本稿では、受動車輪を備えた四足歩行ロボットにおいて、効率的かつ多目的なローラースケートを可能にするハードウェア制御協調設計手法を提案する。 パッシブホイールスケートは脚の慣性を減少させ、特に高速でエネルギー効率を向上させる。 しかし、ダイレクトホイールのアクティベーションが欠如していることは、機械設計と制御を密に結合する。 上層ベイズ最適化は機械設計空間を探索し、下層強化学習は各候補設計に対してモータ制御ポリシーを訓練する。 結果として得られたデザインとポリティクスのペアは、人間工学のベースラインを上回るだけでなく、ホッケーストップ(摩擦を最大化するために横向きに旋回するレイプブレーキ)や自方向運動(旅行方向のエネルギー効率を改善するためのオートマチックな方向転換)のような多目的な行動も示しており、四足歩行ロボットにおける動的スケート運動のシステムレベルでの最初の研究を提供している。

関連論文リスト

• Reinforcement Learning-Based Control for an Inline Skating Humanoid Robot [10.006591553493807]
  我々は,従来の足の代わりにインラインスケートを装備するように改造されたヒューマノイドロボットの新たな移動戦略を実現するための強化学習制御ポリシを訓練し,展開する。 私たちのスケート戦略は、人間のモーションデータ、模倣学習、またはキネマティック先行に頼らずに、報酬構造から完全に現れます。 我々の政策は、通常の歩行歩行よりも輸送コストが50%削減されることを実証している。
  論文  参考訳（メタデータ） (2026-06-30T15:25:06Z)
• KYON: Semi-Modular Wheel-Legged Quadruped With Agile Bimanual Capability [3.041420062518373]
  KYON (KYON) は、ロコ操作用の上半身を持つ四足歩行ロボットである。 プラットフォームは半モジュラーデザインで、構成変更可能な下肢を備えており、環境に応じて車輪と脚の移動が可能である。
  論文  参考訳（メタデータ） (2026-06-29T12:54:09Z)
• WaveForward: An Omnidirectional Passive Wheeled Quadruped Robot with Casters [7.753040656802682]
  車輪付き脚ロボットは、複雑な地形を横断するアジャイルモビリティと高い効率の両方を持ち、長距離輸送用途に適している。 そこで本研究では,両脚に標準キャスターを装着し,全方向移動を実現する新しい,低コストな受動脚型ロボットを提案する。
  論文  参考訳（メタデータ） (2026-06-24T01:59:51Z)
• A Co-Design Framework for High-Performance Jumping of a Five-Bar Monoped with Actuator Optimization [5.086339230221755]
  メカニカルデザイン, モータ, ギアボックスパラメータ, 動的跳躍の制御パラメータを共同で最適化する平面閉鎖5バーモノペットの共設計フレームワークを提案する。 その結果,ジャンプ距離が約42%向上し,機械的エネルギー消費が15.8%減少した。
  論文  参考訳（メタデータ） (2026-04-07T16:21:53Z)
• HUSKY: Humanoid Skateboarding System via Physics-Aware Whole-Body Control [67.58927286226925]
  本稿では,ヒューマノイド・スケータボードシステムモデリングと物理を意識した全身制御を統合した学習ベースのフレームワークを提案する。 Unitree G1のヒューマノイドプラットフォームでの実験では、現実のシナリオにおいて、私たちのフレームワークがスケートボード上で安定的でアジャイルな操作を可能にすることが示されています。
  論文  参考訳（メタデータ） (2026-02-03T07:18:01Z)
• Energy-Efficient Omnidirectional Locomotion for Wheeled Quadrupeds via Predictive Energy-Aware Nominal Gait Selection [17.713242307107166]
  本稿では,車輪付き四足歩行ロボットの全方向効率を最適化するために,予測パワーモデリングと残留強化学習を統合した階層型制御フレームワークを提案する。 提案手法では,1秒の地平線上での歩行パターンの異なるエネルギー消費を予測できる新しい電力予測ネットワークを用いる。 強化学習ポリシーは、この名目歩行に残留的な調整を生成し、エネルギー効率と性能目標とのバランスをとるためのロボットの動作を微調整する。
  論文  参考訳（メタデータ） (2025-12-23T09:56:35Z)
• 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)
• 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)
• Learning and Adapting Agile Locomotion Skills by Transferring Experience [71.8926510772552]
  本稿では,既存のコントローラから新しいタスクを学習するために経験を移譲することで,複雑なロボティクススキルを訓練するためのフレームワークを提案する。 提案手法は,複雑なアジャイルジャンプ行動の学習,後肢を歩いたまま目標地点への移動,新しい環境への適応を可能にする。
  論文  参考訳（メタデータ） (2023-04-19T17:37:54Z)
• Learning to Exploit Elastic Actuators for Quadruped Locomotion [7.9585932082270014]
  足の移動におけるスプリングベースのアクチュエータは、エネルギー効率と性能の向上を提供するが、コントローラ設計の難しさは増す。 実ロボットでモデルフリーのコントローラを直接学習することを提案する。 提案手法をDLR弾性四重項ベルトに適用した。
  論文  参考訳（メタデータ） (2022-09-15T09:43:17Z)
• 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)
• 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)
• Advanced Skills through Multiple Adversarial Motion Priors in Reinforcement Learning [10.445369597014533]
  本稿では, 対向運動に基づく強化学習の概念を強化するためのアプローチを提案する。 複数のスタイルやスキルを,顕著なパフォーマンスの違いを伴わずに同時に学習できることが示される。 本手法は車輪付き四脚ロボットを用いた実世界実験で実証された。
  論文  参考訳（メタデータ） (2022-03-23T09:24:06Z)
• Fast and Efficient Locomotion via Learned Gait Transitions [35.86279693549959]
  四足歩行ロボットのための効率的な制御器の開発に焦点をあてる。 特徴ある移動経路と自然な歩行遷移が自動的に現れる階層的学習フレームワークを考案する。 学習した階層型コントローラは,ベースラインコントローラよりも広い移動速度でエネルギーを消費することがわかった。
  論文  参考訳（メタデータ） (2021-04-09T23:53:28Z)

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。