論文の概要: Adaptive Gait Generation for Multi-Terrain Exoskeletons via Constrained Kernelized Movement Primitives
- arxiv url: http://arxiv.org/abs/2605.02513v1
- Date: Mon, 04 May 2026 12:08:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-05 20:33:50.276188
- Title: Adaptive Gait Generation for Multi-Terrain Exoskeletons via Constrained Kernelized Movement Primitives
- Title（参考訳）: 制限されたカーネル化運動プリミティブによるマルチテアリン外骨格の適応歩行生成
- Authors: Edoardo Trombin, Miroljub Mihailovic, Matheus Henrique Ferreira Moura, Luca Tonin, Emanuele Menegatti, Stefano Tortora,
- Abstract要約: 下肢外骨格(LLE)は、運動障害のある個人を再び歩行させる可能性を示す。
現在の外骨格は平らで平らな地形でしか歩けない。
複数の屋内地形にまたがる適応歩行生成のための新しい枠組みを提案する。
- 参考スコア（独自算出の注目度）: 2.83650101932771
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Lower limb exoskeletons (LLEs) present the potential to make motor-impaired individuals walk again. Their application in real-world environments is still limited by the lack of effective adaptive gait planning. Indeed, current exoskeletons are meant to walk only on a flat and even terrain. Generating environment-aware, physiologically consistent gait trajectories in real-time is an open challenge. To overcome this, we propose a novel Kernelized Movement Primitives (KMP)-based framework for adaptive gait generation (AGG) across multiple indoor terrains. The proposed approach learns a probabilistic representation of human gait in both the joint and task spaces from a limited number of human demonstrations, representing natural gait characteristics and ensuring kinematic feasibility. In addition, the learned trajectories are adapted using environmental information extracted from an onboard RGB-D camera by treating the AGG as a linearly constrained optimization problem with via-points. The proposed method has been thoroughly validated first in simulations for gait generation in different scenarios, such as flat-ground walking, slopes, stairs, and obstacles crossing. Finally, the effectiveness and robustness of the method have been demonstrated with experiments on a commercial LLE in real-world scenarios. The results obtained demonstrate the feasibility of an environment-aware gait planning system for a new generation of intelligent lower limb exoskeletons for assisting people with disabilities in their every-day life.
- Abstract（参考訳）: 下肢外骨格(LLE)は、運動障害のある個人を再び歩行させる可能性を示す。
実環境におけるそれらの応用は、効果的な適応歩行計画の欠如により、依然として制限されている。
実際、現在の外骨格は平らで平らな地形でしか歩けない。
環境に配慮した生理学的に一貫した歩行軌道をリアルタイムで生成することはオープンな課題である。
そこで我々は,複数の屋内地形にまたがる適応歩行生成(AGG)のための新しいKMPベースのフレームワークを提案する。
提案手法は, 人間の動作特性を表現し, 運動性を確保することで, 作業空間と作業空間の両方において, 人間の歩行の確率的表現を学習する。
さらに、この学習軌跡を、オンボードRGB-Dカメラから抽出した環境情報を用いて、AGGを傍受点を用いた線形制約最適化問題として扱うことにより、適応する。
提案手法は, 平面歩行, 斜面, 階段, 障害物交差など, 異なるシナリオにおける歩行生成シミュレーションにおいて, より徹底的に検証されている。
最後に,実世界のシナリオにおける商業LLE実験により,本手法の有効性とロバスト性を実証した。
その結果,新しい世代の知的下肢外骨格のための環境対応歩行計画システムの実現可能性を示した。
関連論文リスト
- Learn Weightlessness: Imitate Non-Self-Stabilizing Motions on Humanoid Robot [56.377161933570335]
人間は自然に非自己安定化(NSS)運動中に「無重力」状態を利用する。
この生物学的メカニズムに着想を得て,データセットのアノテーションに対する無重力自動ラベル方式を提案する。
我々の研究は、正確な軌道追跡と適応的な環境相互作用のギャップを埋め、接触リッチなヒューマノイド制御のための生物学的にインスパイアされたソリューションを提供する。
論文 参考訳（メタデータ） (2026-04-23T07:10:05Z) - Topological Motion Planning Diffusion: Generative Tangle-Free Path Planning for Tethered Robots in Obstacle-Rich Environments [3.778041910428629]
トポロジカル・モビリティ・プランニング・ディフュージョン(TMPD)は、生涯記憶を統合した新しい生成的計画フレームワークである。
TMPDは従来のトポロジカルサーチと純粋にキネマティック拡散ベースラインを上回り、100%の衝突のないリーチと97.0%のタングルフリーレートを達成する。
論文 参考訳（メタデータ） (2026-03-16T15:35:17Z) - Generalizable Geometric Prior and Recurrent Spiking Feature Learning for Humanoid Robot Manipulation [90.90219129619344]
本稿では,スパイキング機能を備えたR-prior-S, Recurrent Geometric-priormodal Policyを提案する。
物理的現実の高レベル推論を基礎として、軽量な2次元幾何学的帰納バイアスを利用する。
ロボット行動生成におけるデータ効率問題に対して,再帰的適応スパイクネットワークを導入する。
論文 参考訳（メタデータ） (2026-01-13T23:36:30Z) - START: Traversing Sparse Footholds with Terrain Reconstruction [11.632418196552324]
我々は,高度にスパースな足場でアジャイルで安定した移動を可能にする,単段階学習フレームワークSTARTを提案する。
STARTは、ローコストのオンボードビジョンとプロプレセプションのみを活用して、局所的な地形の高度マップを正確に再構築する。
実験結果から,STARTは実世界の様々なシナリオにまたがるゼロショット転送を実現することが示された。
論文 参考訳（メタデータ） (2025-12-15T10:02:41Z) - One-shot Humanoid Whole-body Motion Learning [18.375746497945023]
通常、動作カテゴリごとに複数のトレーニングサンプルを必要とする。
本研究では,1つの非歩行目標運動サンプルのみを用いて,効果的なヒューマノイド運動ポリシーを訓練する新しいアプローチを提案する。
論文 参考訳（メタデータ） (2025-10-29T07:48:10Z) - A Cross-Environment and Cross-Embodiment Path Planning Framework via a Conditional Diffusion Model [6.482051262912219]
本研究の目的は、未確認環境や新しいロボットマニピュレータに再訓練せずに一般化できる経路計画フレームワークを開発することである。
本稿では,Voxelized scene representationsに基づく共同空間軌跡を生成する拡散型計画モデルであるGADGETを提案する。
実験結果から,GADGETは球状障害物,ビンピッキング,シェルフ環境において衝突強度の低い高い高い成功率を達成できた。
論文 参考訳（メタデータ） (2025-10-21T23:30:14Z) - 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) - Sim-to-Real Transfer of Deep Reinforcement Learning Agents for Online Coverage Path Planning [22.077058792635313]
被覆経路計画は、制限された地域の自由空間全体をカバーする経路を見つける問題である。
本稿では,この課題に対する連続空間強化学習の有効性について検討する。
提案手法は従来のRLに基づく手法と高度に専門化された手法の両方の性能を上回ることを示す。
論文 参考訳（メタデータ） (2024-06-07T13:24:19Z) - Continuous Trajectory Generation Based on Two-Stage GAN [50.55181727145379]
本稿では,道路網上の連続軌道を生成するために,新たな2段階生成対向フレームワークを提案する。
具体的には、A*アルゴリズムの人間の移動性仮説に基づいてジェネレータを構築し、人間の移動性について学習する。
判別器では, 逐次報酬と移動ヤウ報酬を組み合わせることで, 発電機の有効性を高める。
論文 参考訳（メタデータ） (2023-01-16T09:54:02Z) - COPILOT: Human-Environment Collision Prediction and Localization from
Egocentric Videos [62.34712951567793]
エゴセントリックな観測から人間と環境の衝突を予測する能力は、VR、AR、ウェアラブルアシストロボットなどのアプリケーションにおける衝突回避を可能にするために不可欠である。
本稿では、ボディマウントカメラから撮影した多視点エゴセントリックビデオから、多様な環境における衝突を予測するという課題を紹介する。
衝突予測と局所化を同時に行うために,COPILOTと呼ばれるトランスフォーマーモデルを提案する。
論文 参考訳（メタデータ） (2022-10-04T17:49:23Z)
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。