論文の概要: Learning Energy-Efficient Air--Ground Actuation for Hybrid Robots on Stair-Like Terrain

• arxiv url: http://arxiv.org/abs/2603.26687v1
• Date: Fri, 13 Mar 2026 14:55:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-06 02:36:13.075535
• Title: Learning Energy-Efficient Air--Ground Actuation for Hybrid Robots on Stair-Like Terrain
• Title（参考訳）: ステアスタイル地形上でのハイブリッドロボットのエネルギー効率の学習
• Authors: Jiaxing Li, Wen Tian, Xinhang Xu, Junbin Yuan, Sebastian Scherer, Muqing Cao,
• Abstract要約: ハイブリッドな地上ロボットは、移動性と耐久性の両方を提供するが、階段のような不連続性はトレードオフを生み出す。 本研究では,プロペラ,車輪,傾斜サーボを,既定の空地モードや地上モードを使わずに調整するための一貫した政策を訓練するエネルギー対応強化学習フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 14.868564001069986
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Hybrid aerial--ground robots offer both traversability and endurance, but stair-like discontinuities create a trade-off: wheels alone often stall at edges, while flight is energy-hungry for small height gains. We propose an energy-aware reinforcement learning framework that trains a single continuous policy to coordinate propellers, wheels, and tilt servos without predefined aerial and ground modes. We train policies from proprioception and a local height scan in Isaac Lab with parallel environments, using hardware-calibrated thrust/power models so the reward penalizes true electrical energy. The learned policy discovers thrust-assisted driving that blends aerial thrust and ground traction. In simulation it achieves about 4 times lower energy than propeller-only control. We transfer the policy to a DoubleBee prototype on an 8cm gap-climbing task; it achieves 38% lower average power than a rule-based decoupled controller. These results show that efficient hybrid actuation can emerge from learning and deploy on hardware.
• Abstract（参考訳）: ハイブリッド空中地上ロボットは、走行性と耐久性の両方を提供するが、階段のような不連続性はトレードオフを生み出す。 本研究では,プロペラ,車輪,傾斜サーボを,既定の空地モードや地上モードを使わずに調整するための一貫した政策を訓練するエネルギー対応強化学習フレームワークを提案する。 我々は、アイザック研究所でプロプレセプションと局所的な高さスキャンから、ハードウェアキャリブレーションされた推力モデルを用いて、並列環境でポリシーを訓練し、報酬が真の電気エネルギーをペナルティ化する。 学習されたポリシーは、空中推力と地面の牽引を混合する推力補助駆動を発見する。 シミュレーションでは、プロペラのみの制御の約4倍のエネルギーを達成している。 8cmのギャップクライミングタスクでDoubleBeeのプロトタイプにポリシーを転送し、ルールベースのデカップリングコントローラよりも平均電力を38%低くする。 これらの結果から,ハードウェア上での学習とデプロイから,効率的なハイブリッドアクティベーションが生まれる可能性が示唆された。

関連論文リスト

• Underactuated multimodal jumping robot for extraterrestrial exploration [0.3867363075280543]
  低重力体上でのマルチモーダル移動の探索を目的とした転動・跳躍式単足ロボットを提案する。 地上でのロボットの跳躍方向を目標とするバランスコントローラと、飛行後にロボットの脚を目標とする空中再配向コントローラである。
  論文  参考訳（メタデータ） (2026-03-06T18:08:32Z)
• How to Model Your Crazyflie Brushless [50.54424040768484]
  2025年初め、クラジフリー・ブラシレスが登場し、ブラシレスモーターで推力は約50%向上した。 この研究はクレイジーフリー・ブラシレスの力学モデルを示し、その重要なパラメータを同定する。 ニューラルネットワーク位置制御器を訓練し、バックフリップ制御器を学習することにより、強化学習アプリケーションに適していることを示す。
  論文  参考訳（メタデータ） (2026-03-06T06:21:39Z)
• Tilt-Ropter: A Novel Hybrid Aerial and Terrestrial Vehicle with Tilt Rotors and Passive Wheels [13.687917750845303]
  航空・地球ハイブリッド車(HATV)Tilt-Ropterについて紹介する。 ティルト・ロプターの完全作動式設計は、離間力とトルク制御を可能にする。 その結果,地中移動時の消費電力は92.8%減少した。
  論文  参考訳（メタデータ） (2026-02-02T06:15:33Z)
• 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)
• Continuous Versatile Jumping Using Learned Action Residuals [35.996425893483796]
  本研究では,四足歩行ロボットの連続的な跳躍動作を学習するために,最適制御と強化学習を組み合わせた階層的枠組みを提案する。 我々のフレームワークの中核はスタンスコントローラであり、手動で設計した加速度コントローラと学習された残留ポリシーを組み合わせる。 シミュレーションのトレーニングの後、我々のフレームワークは実際のロボットに直接展開でき、多目的で連続的なジャンプ動作を行うことができる。
  論文  参考訳（メタデータ） (2023-04-17T23:28:32Z)
• Robust and Versatile Bipedal Jumping Control through Reinforcement Learning [141.56016556936865]
  この研究は、トルク制御された二足歩行ロボットが実世界で頑丈で多目的なダイナミックジャンプを行えるようにすることで、二足歩行ロボットの機敏さの限界を推し進めることを目的としている。 本稿では,ロボットが様々な場所や方向へジャンプするなど,さまざまなジャンプタスクを達成するための強化学習フレームワークを提案する。 我々は,ロボットの長期入出力(I/O)履歴を符号化し,短期I/O履歴への直接アクセスを可能にする新しいポリシー構造を開発する。
  論文  参考訳（メタデータ） (2023-02-19T01:06:09Z)
• Learning a Single Near-hover Position Controller for Vastly Different Quadcopters [56.37274861303324]
  本稿では,クワッドコプターのための適応型ニアホバー位置制御器を提案する。 これは、非常に異なる質量、大きさ、運動定数を持つクワッドコプターに展開することができる。 また、実行中に未知の障害に迅速に適応する。
  論文  参考訳（メタデータ） (2022-09-19T17:55:05Z)
• 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)
• Robust Quadruped Jumping via Deep Reinforcement Learning [10.095966161524043]
  本稿では,騒音環境下での四足歩行ロボットのジャンプ距離と高さについて考察する。 本研究では,4重跳躍のための非線形軌道最適化の複雑な解を活用・拡張するディープ強化学習を用いたフレームワークを提案する。 体長2倍の体長をジャンプしながら、高さ最大6cmの足の障害の頑丈さ、あるいはロボットの名目立位の高さの33%を実証した。
  論文  参考訳（メタデータ） (2020-11-13T19:04:24Z)

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。