論文の概要: Diffusion Policy for Coordinated Control of a Nonholonomic Mobile Base and Dual Arms in Door Opening and Passing

• arxiv url: http://arxiv.org/abs/2605.15352v1
• Date: Thu, 14 May 2026 19:23:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-18 17:44:16.276184
• Title: Diffusion Policy for Coordinated Control of a Nonholonomic Mobile Base and Dual Arms in Door Opening and Passing
• Title（参考訳）: ドア開閉・通過時の非ホロノミック移動基地とデュアルアームの協調制御のための拡散政策
• Authors: Shangqun Yu, Matthew En, Daniel Wu, Sangjun Park, Ziyi Zhou, Seyed Fakoorian, Donghyun Kim,
• Abstract要約: 人間は自然に両腕を巧妙に使い、ハンドルを回転させ、隙間を広げ、ドアを握り、必要に応じて腕を交換し、クリアランスを維持しながら移動させる。 このような動作を再現するためには、ロボットは複数のステージにまたがる長い動きとドアの異なる部分との相互作用を実行する必要がある。 模倣学習の最近の進歩は、スケーラブルな代替手段を提供するが、既存の視覚行動モデルでは、ドアの開口と通過の完全なタスクのために、非ホロノミックベースと両腕の同時調整を実証していない。
• 参考スコア（独自算出の注目度）: 14.349955369012433
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Opening heavy, self closing doors, especially those that require pulling remains a long standing challenge in robotics. Humans naturally employ both arms in a dexterous manner, rotating the handle, widening the gap, holding the door, switching arms when needed, and moving through while maintaining clearance. To replicate such behaviors, a robot must perform a long sequence of motions spanning multiple stages and interactions with different parts of the door. Traditional approaches rely on state machines that transition between manually defined stages (e.g., pulling after the knob is rotated, passing after the gap is sufficiently wide). While intuitive, these methods lack robustness, as hand crafted trajectories fail to generalize to the diversity of real world conditions without extensive engineering effort. Recent advances in imitation learning offer a scalable alternative, yet no existing visual action model has demonstrated simultaneous coordination of a nonholonomic base and dual arms for the complete door opening and passing task. In this paper, we tackle this complex, highly constrained problem using a diffusion based visuomotor control policy. Our results demonstrate that a single end to end policy can be learned to execute long horizon tasks requiring tight coordination between manipulation and locomotion. The resulting policy not only achieves a high success rate in opening and traversing damped pull doors but also demonstrates strong robustness to external disturbances capabilities that are difficult to realize with traditional methods.
• Abstract（参考訳）: 重く閉ざされたドアを開くこと、特に引っ張りを必要とするものは、ロボット工学における長年の課題である。 人間は自然に両腕を巧妙に使い、ハンドルを回転させ、隙間を広げ、ドアを握り、必要に応じて腕を交換し、クリアランスを維持しながら移動させる。 このような動作を再現するためには、ロボットは複数のステージにまたがる長い動きとドアの異なる部分との相互作用を実行する必要がある。 従来のアプローチは、手動で定義されたステージ間で遷移する状態マシンに依存している(例えば、knobが回転した後を引っ張り、ギャップが十分に広い後に通過する)。 直感的ではあるが、これらの手法は堅牢性に欠けており、手作りの軌道は広範な工学的な努力なしに現実世界の状態の多様性に一般化できない。 模倣学習の最近の進歩は、スケーラブルな代替手段を提供するが、既存の視覚行動モデルでは、ドアの開口と通過の完全なタスクのために、非ホロノミックベースと両腕の同時調整を実証していない。 本稿では,拡散に基づくビジュモータ制御ポリシを用いて,この複雑で制約の多い問題に対処する。 この結果から,操作と移動の密接な調整を必要とする長い水平方向タスクを実行するために,一端から一端までのポリシーを学習できることが示唆された。 その結果, 従来手法では実現が困難であった外乱機能に対する強靭性を示すとともに, ダンピングドアの開閉・トラバースに高い成功率を達成できた。

関連論文リスト

• RPG: Robust Policy Gating for Smooth Multi-Skill Transitions in Humanoid Fighting [52.18271301977709]
  我々は,スムーズで安定したヒューマノイド多スキル移行のためのハイブリッド・エキスパート・ポリシー・フレームワークであるRPGを提案する。 本手法では,動き遷移のランダム化と時間的ランダム化を取り入れて,アジャイルな戦闘行動を生成する統一的な政策を訓練する。 我々は、歩行/走る移動と戦闘スキルを統合する制御パイプラインを設計し、人間のような長時間の戦闘を任意の期間で行えるようにした。
  論文  参考訳（メタデータ） (2026-04-23T07:14:35Z)
• 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 to Open and Traverse Doors with a Legged Manipulator [15.61741273027262]
  そこで我々は,手足のマニピュレータによるドアの開閉・移動のための学習型制御器を提案する。 教師-学生によるシミュレーション手法を用いて,頑健なタスク行動の学習を行う。 これまでのやり方と違って、弊社のやり方は、プッシュとプルの両方のドアを扱える単一のコントロールポリシーだ。
  論文  参考訳（メタデータ） (2024-09-07T18:27:46Z)
• Nonprehensile Planar Manipulation through Reinforcement Learning with Multimodal Categorical Exploration [8.343657309038285]
  強化学習はそのようなロボットコントローラを開発するための強力なフレームワークである。 分類分布を用いたマルチモーダル探索手法を提案する。 学習したポリシは外部の障害や観測ノイズに対して堅牢であり、複数のプッシュ器でタスクにスケールできることが示される。
  論文  参考訳（メタデータ） (2023-08-04T16:55:00Z)
• Deep Whole-Body Control: Learning a Unified Policy for Manipulation and Locomotion [25.35885216505385]
  装着されたアームは、移動操作タスクへの脚付きロボットの適用性を著しく向上させることができる。 このような手足のマニピュレータのための標準的な階層制御パイプラインは、コントローラを操作と移動のものと分離することである。 我々は、強化学習を用いて、足のマニピュレータの全身制御のための統一的なポリシーを学習する。
  論文  参考訳（メタデータ） (2022-10-18T17:59:30Z)
• 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)
• Next Steps: Learning a Disentangled Gait Representation for Versatile Quadruped Locomotion [69.87112582900363]
  現在のプランナーは、ロボットが動いている間、キー歩行パラメータを連続的に変更することはできない。 本研究では、特定の歩行を構成する重要な姿勢位相を捉える潜在空間を学習することにより、この制限に対処する。 本研究では, 歩幅, 歩幅, 立位など, 歩行パラメータに直接対応した駆動信号マップの具体的特性を示す。
  論文  参考訳（メタデータ） (2021-12-09T10:02:02Z)

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。