Fugu-MT 論文翻訳(概要): Right Model, Right Time: Real-Time Cascaded-Fidelity MPC for Bipedal Walking

論文の概要: Right Model, Right Time: Real-Time Cascaded-Fidelity MPC for Bipedal Walking

arxiv url: http://arxiv.org/abs/2605.04607v1
Date: Wed, 06 May 2026 07:54:49 GMT
ステータス: 翻訳完了
システム内更新日: 2026-05-07 18:41:07.712326
Title: Right Model, Right Time: Real-Time Cascaded-Fidelity MPC for Bipedal Walking
Title（参考訳）: 正しいモデル、正しい時間:二足歩行のためのリアルタイムカスケード・フィデリティMPC
Abstract要約: 本稿では,二足歩行における多相全体モデル予測制御手法を提案する。結果として生じる非線形最適制御問題は、アカドスにおける逐次二次計画法(SQP)を用いて解決される。コントローラーは18-DoF双足ロボットHyPer-2のMuJoCoシミュレーションで検証される。
参考スコア（独自算出の注目度）: 6.361348748202732
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This paper presents a multi-phase whole-body model predictive control approach for bipedal walking, combining a detailed whole-body model in the near horizon with a simplified single-rigid-body model in the later prediction steps. This reduces computational complexity while retaining prediction capabilities. The resulting nonlinear optimal control problem is solved using sequential quadratic programming (SQP) in acados. Using a prior specified contact schedule and a target walking speed, the controller optimizes joint torques without depending on prior selected foot step locations. The controller is validated in MuJoCo simulation on the 18-DoF bipedal robot HyPer-2
Abstract（参考訳）: 本稿では,二足歩行における多相全体モデル予測制御手法を提案する。これにより、予測能力を保ちながら計算複雑性を低減できる。結果として生じる非線形最適制御問題は、アカドスにおける逐次二次計画法(SQP)を用いて解決される。コントローラは、予め指定された接触スケジュールと目標歩行速度を用いて、予め選択された足のステップ位置に依存することなく、関節トルクを最適化する。 18-DoF二足歩行ロボットHyPer-2のMuJoCoシミュレーションにおける制御器の検証

関連論文リスト

Benchmarking Empirical and Learning-Based Approaches for Feedforward Steering Control in Autonomous Racing [2.183305325115666]
フィードフォワードステアリング制御は、自律走行のための階層型制御アーキテクチャの重要な構成要素である。本稿では,2つの学習ベースと2つの経験的フィードフォワードコントローラのベンチマークを示す。実世界Abu Dhabi Autonomous Racing Leagueコンペティションに基づく高忠実度シミュレーションフレームワークでフィードフォワードコントローラをテストする。
論文参考訳（メタデータ） (2026-05-20T12:44:36Z)
Planning with Adaptive World Models for Autonomous Driving [50.4439896514353]
マルチエージェントインタラクションをキャプチャする実世界のモーションプランニングベンチマークであるnuPlanを提案する。我々は、グラフ畳み込みニューラルネットワーク(GCNN)であるBehaviorNetを用いて、このようなユニークな振る舞いをモデル化することを学ぶ。また、モデル予測制御(MPC)ベースのプランナであるAdaptiveDriverについても紹介する。
論文参考訳（メタデータ） (2024-06-15T18:53:45Z)
SIMPL: A Simple and Efficient Multi-agent Motion Prediction Baseline for Autonomous Driving [27.776472262857045]
本稿では,自動運転車のための簡易かつ効率的な運動予測ベースライン(SIMPL)を提案する。メッセージ転送を対称的に行う,コンパクトで効率的なグローバル機能融合モジュールを提案する。強力なベースラインとして、SIMPLはArgoverse 1と2のモーション予測ベンチマークで高い競争性能を示す。
論文参考訳（メタデータ） (2024-02-04T15:07:49Z)
Combining model-predictive control and predictive reinforcement learning for stable quadrupedal robot locomotion [0.0]
モデル予測型と予測型強化型学習コントローラの組み合わせによりこれを実現できるかを検討する。本研究では,両制御手法を組み合わせて,四足歩行ロボットの安定ゲート生成問題に対処する。
論文参考訳（メタデータ） (2023-07-15T09:22:37Z)
Automatic pulse-level calibration by tracking observables using iterative learning [3.7845912794054337]
量子コンピューティングでは、制御がいくつかのパラメータに限定されている場合、不正確なモデルによるゲート誤差を効率的に洗練することができる。本稿では,LIFT(Learning Iteratively for Feasible Tracking)と呼ばれる,量子最適制御の校正のための自動モデルベースフレームワークを提案する。 LIFTは、量子オブザーバブルの可能な軌道を正確に追跡することで、寄生的モデルの違いにもかかわらず高忠実度制御を実現する。
論文参考訳（メタデータ） (2023-04-24T15:22:24Z)
Predictable MDP Abstraction for Unsupervised Model-Based RL [93.91375268580806]
予測可能なMDP抽象化(PMA)を提案する。元のMDPで予測モデルを訓練する代わりに、学習されたアクション空間を持つ変換MDPでモデルを訓練する。我々はPMAを理論的に解析し、PMAが以前の教師なしモデルベースRLアプローチよりも大幅に改善することを示す。
論文参考訳（メタデータ） (2023-02-08T07:37:51Z)
Autotuning PID control using Actor-Critic Deep Reinforcement Learning [0.0]
モデルがリンゴの位置に基づいてPIDパラメータを予測できるかどうかを調べる。最初のテストでは、モデルがその予測をリンゴの場所に適応できることが示され、適応的なコントローラになっている。
論文参考訳（メタデータ） (2022-11-29T11:15:50Z)
Transformers meet Stochastic Block Models: Attention with Data-Adaptive Sparsity and Cost [53.746169882193456]
最近の研究は、自己注意の二次的コストを克服するために、様々なスパークアテンションモジュールを提案している。本稿では,それぞれの注意を混合メンバーシップブロックモデルで表現することで,両方の問題を解決するモデルを提案する。我々のモデルは、以前の効率的な変種とオリジナルのトランスフォーマーより優れており、十分に注目されています。
論文参考訳（メタデータ） (2022-10-27T15:30:52Z)
Adapting Rapid Motor Adaptation for Bipedal Robots [73.5914982741483]
移動制御の急速な適応の最近の進歩を活用し、二足歩行ロボットで作業できるように拡張する。 A-RMAはモデルフリーRLを用いて微調整することで不完全外部推定器の基本方針を適応する。シミュレーションにおいて,A-RMAはRLベースのベースラインコントローラやモデルベースコントローラよりも優れていることを示す。
論文参考訳（メタデータ） (2022-05-30T17:59:09Z)
Edge Federated Learning Via Unit-Modulus Over-The-Air Computation (Extended Version) [64.76619508293966]
本稿では,効率の良いエッジフェデレーション学習を実現するために,UM-AirCompフレームワークを提案する。ローカルモデルパラメータを同時にアップロードし、アナログビームフォーミングを通じてグローバルモデルパラメータを更新する。車両間自動運転シミュレーションプラットフォームにおけるUM-AirCompの実装を実演する。
論文参考訳（メタデータ） (2021-01-28T15:10:22Z)
Cycloidal Trajectory Realization on Staircase based on Neural Network Temporal Quantized Lagrange Dynamics (NNTQLD) with Ant Colony Optimization for a 9-Link Bipedal Robot [1.7205106391379026]
本稿では,エネルギー最適化を伴う関節角度軌跡追尾制御のための新しい最適手法を提案する。 9リンク二足歩行モデルによる階段登上作業では, 階段寸法に依存するように, 揺動位相のシクロイド軌道が提案される。
論文参考訳（メタデータ） (2020-12-02T05:50:42Z)
Fast, Accurate, and Simple Models for Tabular Data via Augmented Distillation [97.42894942391575]
本研究では、FAST-DADを用いて、任意の複雑なアンサンブル予測を、高木、無作為林、深層ネットワークなどの個々のモデルに抽出する。我々の個々の蒸留モデルは、H2O/AutoSklearnのようなAutoMLツールが生成するアンサンブル予測よりも10倍高速で精度が高い。
論文参考訳（メタデータ） (2020-06-25T09:57:47Z)

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。