論文の概要: Unleashing the Agility of Wheeled-Legged Robots for High-Dynamic Reflexive Obstacle Evasion

• arxiv url: http://arxiv.org/abs/2604.23761v1
• Date: Sun, 26 Apr 2026 15:21:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-28 17:12:07.53552
• Title: Unleashing the Agility of Wheeled-Legged Robots for High-Dynamic Reflexive Obstacle Evasion
• Title（参考訳）: 車輪付き脚ロボットの高動的反射性障害物伝播に対するアジリティの解き放つ
• Authors: Yongen Zhao, Zihao Xu, Wenzhi Lu, Zhen Chu, Ce Hao,
• Abstract要約: AWAREは車輪付き脚ロボットの高速障害物回避のための階層的強化学習フレームワークである。 AWAREは、行動的に異なる回避戦略を明らかにしながら、堅牢でアジャイルな障害物回避を実現していることを示す。
• 参考スコア（独自算出の注目度）: 2.3784505606578916
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Wheeled-legged robots combine the energy efficiency of wheeled locomotion with the terrain adaptability of legged systems, making them promising platforms for agile mobility in complex and dynamic environments. However, enabling high-dynamic reflexive evasion against fast-moving obstacles remains challenging due to the hybrid morphology, mode coupling, and non-holonomic constraints of such platforms. In this work, we propose AWARE, Adaptive Wheeled-Legged Avoidance and Reflexive Evasion, a hierarchical reinforcement learning framework for high-dynamic obstacle avoidance in wheeled-legged robots. The proposed system naturally exhibits diverse emergent gaits and evasive behaviors, including forward lunge and lateral dodge, thereby leveraging the robot's hybrid morphology to enhance agility under highly dynamic threats. Extensive experiments in Isaac Lab simulation and real-world deployment on the M20 platform across diverse dynamic scenarios demonstrate that AWARE achieves robust and agile obstacle avoidance while revealing behaviorally distinct evasive strategies. These results highlight both the practical effectiveness of AWARE and the intrinsic reflexive agility of wheeled-legged robots.
• Abstract（参考訳）: 車輪付き脚ロボットは、車輪付き移動のエネルギー効率と脚付きシステムの地形適応性を組み合わせることで、複雑な環境と動的環境におけるアジャイルモビリティのためのプラットフォームを約束する。 しかし, 高速移動障害物に対する高ダイナミックな反射回避は, ハイブリッド形態, モード結合, および非ホロノミック制約のため, 依然として困難である。 本研究では,車輪付きロボットにおける高力障害物回避のための階層的強化学習フレームワークであるAWARE,Adaptive Wheeled-Legged Avoidance and Reflexive Evasionを提案する。 提案システムは,前肺と側肺のドッジを含む多様な突発性歩行と回避行動を示し,ロボットのハイブリッド形態を利用して,高度にダイナミックな脅威下での俊敏性を高める。 Isaac Labのシミュレーションと、さまざまな動的シナリオにわたるM20プラットフォーム上の実世界のデプロイによる大規模な実験は、AWAREが堅牢でアジャイルな障害回避を実現しつつ、行動的に異なる回避戦略を明らかにしていることを示している。 これらの結果は、AWAREの実践的効果と車輪付き脚ロボットの本質的な反射敏性の両方を強調した。

関連論文リスト

• Path Planning and Reinforcement Learning-Driven Control of On-Orbit Free-Flying Multi-Arm Robots [1.0688341355376219]
  本稿では,軌道上における自由飛行型マルチアームロボットの動作計画と制御のための軌道最適化(TO)と強化学習(RL)を統合したハイブリッドアプローチを提案する。 高精度な身体制御のためのスラスタを備えたマルチアームロボット設計は、複雑な宇宙操作における冗長性と安定性を実現する。
  論文  参考訳（メタデータ） (2026-03-24T13:31:32Z)
• 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)
• A Kung Fu Athlete Bot That Can Do It All Day: Highly Dynamic, Balance-Challenging Motion Dataset and Autonomous Fall-Resilient Tracking [5.968082051565195]
  武道の特徴は、急激な中心シフト、複雑な調整、急激な姿勢転換である。 KungFuAthleteは、プロアスリートの日々のトレーニングビデオから派生した、ハイダイナミックな武道運動データセットである。 本研究では,高ダイナミックなモーショントラッキングとフォールリカバリを共同で学習できる新しいトレーニングパラダイムを提案する。
  論文  参考訳（メタデータ） (2026-02-14T07:49:56Z)
• HAIC: Humanoid Agile Object Interaction Control via Dynamics-Aware World Model [56.4392302336014]
  本稿では,外部状態推定を伴わない多種多様なオブジェクトダイナミクス間のロバストな相互作用のためのフレームワークであるHAICを提案する。 我々の重要な貢献は、主観的歴史のみから高次対象状態(速度、加速度)を推定するダイナミクス予測器である。 ヒューマノイドロボットの実験では、HAICはアジャイルタスクで高い成功率を達成する。
  論文  参考訳（メタデータ） (2026-02-12T09:34:35Z)
• Coordinating Spinal and Limb Dynamics for Enhanced Sprawling Robot Mobility [0.047116288835793156]
  柔軟性のある脊椎は、脊椎に沿って波状の動きを通して身体を揺らぎ、不均一な地形や障害物を航行するのを助ける。 表面の不規則や摩擦の変動といった環境の不確実性は、体-肢の協調を著しく阻害する。 深い強化学習は、非決定論的環境を扱うための有望なフレームワークを提供する。 本研究では,サンショウウオのようなロボットを用いた学習型制御戦略と生物学的にインスパイアされた歩行設計手法について比較検討した。
  論文  参考訳（メタデータ） (2025-04-18T23:08:48Z)
• 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)

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。