論文の概要: MUJICA: Multi-skill Unified Joint Integration of Control Architecture for Wheeled-Legged Robots
- arxiv url: http://arxiv.org/abs/2605.13058v1
- Date: Wed, 13 May 2026 06:31:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-14 23:30:27.845417
- Title: MUJICA: Multi-skill Unified Joint Integration of Control Architecture for Wheeled-Legged Robots
- Title（参考訳）: MUJICA:車輪付き脚ロボットの制御アーキテクチャのマルチスキル統合統合
- Authors: Yuqi Li, Peng Zhai, Yueqi Zhang, Xiaoyi Wei, Quancheng Qian, Zhengxu He, Qianxiang Yu, Lihua Zhang,
- Abstract要約: 本稿では、車輪付き脚ロボットのための統一的、完全プロプリセプティブ制御フレームワークを提案する。
MUJICAは、一方向移動、高プラットフォームクライミング、転倒回復を含む多様な低レベルスキルを単一のポリシーで統合する。
我々は,Unitree Go2-Wロボットのシミュレーションと実世界の実験において,我々のフレームワークを検証する。
- 参考スコア（独自算出の注目度）: 32.237659116389075
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Wheeled-legged robots hold promise for traversing complex terrains and offer superior mobility compared to legged robots. However, wheeled-legged robots must effectively balance both wheeled driving and legged control. Furthermore, due to noisy proprioceptive sensing and real-world motor constraints, realizing robust and adaptive locomotion at peak performance of motors remains challenging. We propose the Multi-skill Unified Joint Integration of Control Architecture (MUJICA), a unified, fully proprioceptive control framework for wheeled-legged robots that integrates diverse low-level skills-including omnidirectional moving, high platform climbing, and fall recovery-within a single policy. All skills, distinguished by unique indicator variables, are trained jointly with accurate DC-motor constraint modeling. Additionally, a high-level skill selector is learned to dynamically choose the optimal skill based solely on proprioceptions, enabling adaptive responses to the surrounding environment. Therefore, MUJICA enhances sim-to-real robustness and enables seamless transitions across diverse locomotion modes, facilitating autonomous adjustment to the environment. We validate our framework in both simulation and real-world experiments on the Unitree Go2-W robot, demonstrating significant improvements in adaptability and task success in unstructured environments.
- Abstract（参考訳）: 車輪付き脚ロボットは、複雑な地形を横切ることを約束し、脚付きロボットよりも優れた移動性を提供する。
しかし、車輪付き脚ロボットは、車輪付き駆動と脚付き制御の両方を効果的にバランスさせなければならない。
さらに, 騒音感と実環境運動の制約により, モータのピーク性能において, 頑健かつ適応的な移動を実現することは困難である。
本研究は,一方向移動,高プラットフォームクライミング,転倒回復など多種多様な低レベルスキルを統合した車輪付きロボットのための,統一的かつ完全なプロプリセプティブ制御フレームワークであるMulti-Skill Unified Joint Integration of Control Architecture (MUJICA)を提案する。
ユニークな指標変数によって区別されるすべてのスキルは、正確なDCモータ制約モデリングと共同で訓練される。
さらに、高いレベルのスキルセレクタを学習し、プロプレセプションのみに基づく最適なスキルを動的に選択し、周囲環境への適応的な応答を可能にする。
したがって、MUJICAはシム・トゥ・リアル・ロバスト性を高め、多様な移動モードを横断するシームレスな遷移を可能にし、環境への自律的な調整を容易にする。
我々は,Unitree Go2-Wロボットのシミュレーションおよび実世界の実験において,我々のフレームワークを検証し,非構造環境における適応性とタスク成功の大幅な改善を実証した。
関連論文リスト
- Unleashing the Agility of Wheeled-Legged Robots for High-Dynamic Reflexive Obstacle Evasion [2.3784505606578916]
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。
論文 参考訳（メタデータ） (2026-04-26T15:21:33Z) - Physical Human-Robot Interaction for Grasping in Augmented Reality via Rigid-Soft Robot Synergy [43.680646123465316]
ハイブリッド剛性ソフトロボットは、剛性マニピュレータの精度とソフトアームの適合性と適応性を組み合わせる。
本稿では,ハイブリッドソフトロボットの遠隔操作を可能にする,拡張現実(AR)ベースの物理ロボットインタラクションフレームワークを提案する。
論文 参考訳（メタデータ） (2026-02-19T06:56:47Z) - PILOT: A Perceptive Integrated Low-level Controller for Loco-manipulation over Unstructured Scenes [18.916978556216097]
PILOTは知覚的ロコ操作に適した単段階強化学習フレームワークである。
知覚的な移動と1つのポリシー内での全身制御をシナジー化する。
PILOTは、既存のベースラインと比較して、安定性、コマンド追跡精度、地形トラバーサビリティが優れている。
論文 参考訳（メタデータ） (2026-01-24T12:25:20Z) - PALo: Learning Posture-Aware Locomotion for Quadruped Robots [29.582249837902427]
本稿では,姿勢認識型移動ロボットPALoのエンド・ツー・エンド深部強化学習フレームワークを提案する。
PALoは、直線速度と角速度の同時追跡と、体高、ピッチ、ロール角度のリアルタイム調整を行う。
PALoは、シミュレートされた環境でアジャイルな姿勢認識ロコモーションコントロールを実現し、微調整なしで実世界の設定に転送することに成功した。
論文 参考訳（メタデータ） (2025-03-06T14:13:59Z) - 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) - Learning Robust Autonomous Navigation and Locomotion for Wheeled-Legged Robots [50.02055068660255]
都市環境のナビゲーションは、ロボットにとってユニークな課題であり、移動とナビゲーションのための革新的なソリューションを必要としている。
本研究は, 適応移動制御, 移動対応ローカルナビゲーション計画, 市内の大規模経路計画を含む, 完全に統合されたシステムを導入する。
モデルフリー強化学習(RL)技術と特権学習を用いて,多目的移動制御系を開発した。
私たちのコントローラーは大規模な都市航法システムに統合され、スイスのチューリッヒとスペインのセビリアで自律的、キロメートル規模の航法ミッションによって検証されます。
論文 参考訳（メタデータ） (2024-05-03T00:29:20Z) - Agile and versatile bipedal robot tracking control through reinforcement learning [12.831810518025309]
本稿では,二足歩行ロボットのための多目的コントローラを提案する。
足首と身体の軌跡を、単一の小さなニューラルネットワークを用いて広範囲の歩行で追跡する。
最小限の制御ユニットと高レベルなポリシーを組み合わせることで、高いフレキシブルな歩行制御を実現することができる。
論文 参考訳（メタデータ） (2024-04-12T05:25:03Z) - 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) - Learning and Adapting Agile Locomotion Skills by Transferring Experience [71.8926510772552]
本稿では,既存のコントローラから新しいタスクを学習するために経験を移譲することで,複雑なロボティクススキルを訓練するためのフレームワークを提案する。
提案手法は,複雑なアジャイルジャンプ行動の学習,後肢を歩いたまま目標地点への移動,新しい環境への適応を可能にする。
論文 参考訳（メタデータ） (2023-04-19T17:37:54Z)
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。