論文の概要: Learning-Based Fault Detection for Legged Robots in Remote Dynamic Environments

• arxiv url: http://arxiv.org/abs/2604.03397v1
• Date: Fri, 03 Apr 2026 18:59:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-07 15:49:18.554669
• Title: Learning-Based Fault Detection for Legged Robots in Remote Dynamic Environments
• Title（参考訳）: リモート・ダイナミック環境におけるレッグロボットの学習に基づく故障検出
• Authors: Abriana Stewart-Height, Seema Jahagirdar, Nikolai Matni,
• Abstract要約: 本研究は,四足歩行ロボットの単一手足障害を検出するオフライン学習法の開発と実装について述べる。 故障検出技術の目的は、適切な三脚歩行を選択するためのコントローラの正確な出力を提供することである。
• 参考スコア（独自算出の注目度）: 7.478486244786084
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Operations in hazardous environments put humans, animals, and machines at high risk for physically damaging consequences. In contrast to humans and animals, quadruped robots cannot naturally identify and adjust their locomotion to a severely debilitated limb. The ability to detect limb damage and adjust movement to a new physical morphology is the difference between survival and death for humans and animals. The same can be said for quadruped robots autonomously carrying out remote assignments in dynamic, complex settings. This work presents the development and implementation of an off-line learning-based method to detect single limb faults from proprioceptive sensor data in a quadrupedal robot. The aim of the fault detection technique is to provide the correct output for the controller to select the appropriate tripedal gait to use given the robot's current physical morphology.
• Abstract（参考訳）: 危険な環境での作戦は、人間、動物、機械を物理的に損傷を与える危険に晒した。 人間や動物とは対照的に、四足歩行ロボットは自然にその移動をひどく不安定な手足に特定・調整することはできない。 足の損傷を検知し、新しい身体形態に運動を調整する能力は、人間と動物の生存と死の違いである。 四足歩行ロボットは、ダイナミックで複雑な環境で遠隔操作を自律的に行う。 本研究は,四足歩行ロボットの固有感覚センサデータから単一手足障害を検出するオフライン学習法の開発と実装について述べる。 故障検出技術の目的は、ロボットの現在の物理的形態を考慮し、適切な三脚歩行を選択するための正確な出力を提供することである。

関連論文リスト

• EgoHumanoid: Unlocking In-the-Wild Loco-Manipulation with Robot-Free Egocentric Demonstration [67.13034606664333]
  EgoHumanoidは、エゴセントリックな人間のデモを使って視覚言語アクションポリシーを共同訓練する最初のフレームワークである。 スケーラブルな人的データ収集のためのポータブルシステムを開発した。
  論文  参考訳（メタデータ） (2026-02-10T18:59:03Z)
• Aggregating swarms through morphology handling design contingencies: from the sweet spot to a rich expressivity [0.12744523252873352]
  我々はロボットの自己調整力学の忠実な物理モデルを構築している。 多様な自己アライメントの強さを探索することで、集団行動の豊かな表現力が得られることを示す。
  論文  参考訳（メタデータ） (2026-01-12T14:58:47Z)
• Stabilizing Humanoid Robot Trajectory Generation via Physics-Informed Learning and Control-Informed Steering [10.372548166988127]
  近年のヒューマノイドロボット制御は、人間のデータからスムーズな人間のような軌道の学習を可能にするために模倣学習に成功している。 本稿では,システムの物理と基本的な制御原理を活かした2段階の学習戦略を提案する。 本研究では, エルゴキューブ型ヒューマノイドロボットの移動挙動を解析し, 物理インフォームド・ロスが接触足の速度をゼロにする手法について検証した。
  論文  参考訳（メタデータ） (2025-09-29T12:31:14Z)
• Robot Learning with Sensorimotor Pre-training [98.7755895548928]
  ロボット工学のための自己教師型感覚運動器事前学習手法を提案する。 我々のモデルはRTTと呼ばれ、センサモレータトークンのシーケンスで動作するトランスフォーマーである。 感覚運動の事前学習は、ゼロからトレーニングを一貫して上回り、優れたスケーリング特性を持ち、さまざまなタスク、環境、ロボット間での移動を可能にしている。
  論文  参考訳（メタデータ） (2023-06-16T17:58:10Z)
• HERD: Continuous Human-to-Robot Evolution for Learning from Human Demonstration [57.045140028275036]
  本研究では,マイクロ進化的強化学習を用いて,操作スキルを人間からロボットに伝達可能であることを示す。 本稿では,ロボットの進化経路とポリシーを協調的に最適化する多次元進化経路探索アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-12-08T15:56:13Z)
• Severe Damage Recovery in Evolving Soft Robots through Differentiable Programming [7.198483427085636]
  そこで我々は,神経細胞オートマトンに基づくシステムを提案する。そこでは,ロボットが進化し,勾配に基づくトレーニングによって損傷から形態を再生する能力を与える。 結果として生じる神経細胞オートマトンは、深刻な形態的損傷を受けた後でも80%以上の機能を回復できる仮想ロボットを成長させることができる。
  論文  参考訳（メタデータ） (2022-06-14T08:05:42Z)
• Synthesis and Execution of Communicative Robotic Movements with Generative Adversarial Networks [59.098560311521034]
  我々は、繊細な物体を操作する際に人間が採用するのと同じキネマティクス変調を2つの異なるロボットプラットフォームに転送する方法に焦点を当てる。 我々は、ロボットのエンドエフェクターが採用する速度プロファイルを、異なる特徴を持つ物体を輸送する際に人間が何をするかに触発されて調整する。 我々は、人体キネマティクスの例を用いて訓練され、それらを一般化し、新しい有意義な速度プロファイルを生成する、新しいジェネレーティブ・アドバイサル・ネットワークアーキテクチャを利用する。
  論文  参考訳（メタデータ） (2022-03-29T15:03:05Z)
• A Transferable Legged Mobile Manipulation Framework Based on Disturbance Predictive Control [15.044159090957292]
  四足歩行ロボットにロボットアームを装着した足の移動操作は、ロボットの性能を大幅に向上させる。 本稿では,潜在動的アダプタを用いた強化学習スキームを低レベルコントローラに組み込んだ統合フレームワーク外乱予測制御を提案する。
  論文  参考訳（メタデータ） (2022-03-02T14:54:10Z)
• REvolveR: Continuous Evolutionary Models for Robot-to-robot Policy Transfer [57.045140028275036]
  本研究では,運動学や形態学など,異なるパラメータを持つ2つの異なるロボット間でポリシーを伝達する問題を考察する。 模倣学習手法を含む動作や状態遷移の分布を一致させることで、新しいポリシーを訓練する既存のアプローチは、最適な動作や/または状態分布が異なるロボットでミスマッチしているために失敗する。 本稿では,物理シミュレータに実装されたロボット政策伝達に連続的進化モデルを用いることで,$RevolveR$という新しい手法を提案する。
  論文  参考訳（メタデータ） (2022-02-10T18:50:25Z)
• Learning Bipedal Robot Locomotion from Human Movement [0.791553652441325]
  本研究では、実世界の二足歩行ロボットに、モーションキャプチャーデータから直接の動きを教えるための強化学習に基づく手法を提案する。 本手法は,シミュレーション環境下でのトレーニングから,物理ロボット上での実行へシームレスに移行する。 本研究では,ダイナミックウォークサイクルから複雑なバランスや手振りに至るまでの動作を内製したヒューマノイドロボットについて実演する。
  論文  参考訳（メタデータ） (2021-05-26T00:49:37Z)

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。