論文の概要: HCLM: A Hierarchical Framework for Cooperative Loco-Manipulation with Dual Quadrupeds
- arxiv url: http://arxiv.org/abs/2605.17300v1
- Date: Sun, 17 May 2026 07:23:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-19 17:57:47.838472
- Title: HCLM: A Hierarchical Framework for Cooperative Loco-Manipulation with Dual Quadrupeds
- Title（参考訳）: HCLM:デュアル四足歩行を用いた協調ロコマニピュレーションのための階層的枠組み
- Authors: Qixuan Li, Chen Le, Jincheng Yu, Xinlei Chen,
- Abstract要約: 本稿では,2重四元系を用いた汎用協調ロコ操作のための階層的枠組みであるHCLMを紹介する。
我々のアーキテクチャは、低レベルのロバストな動作実行から高レベルの協調的推論を体系的に分離する。
その結果、信頼性の高いタスク実行、厳格な構成主義、厳しい物理的摂動に対する例外的なレジリエンスが示された。
- 参考スコア（独自算出の注目度）: 24.47863400717969
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We introduce HCLM, a hierarchical framework for general-purpose cooperative loco-manipulation with dual quadrupedal systems. Coordinating multi-robot collaborative manipulation across floating bases is highly challenging due to the conflicting demands of spatial coordination, robust locomotion, and closed-chain physical interactions. To resolve this, our architecture systematically decouples high-level collaborative reasoning from low-level robust motion execution. At the high level, a centralized Joint Diffusion Policy leverages an SE(3)-invariant task-space representation to learn coordinate-agnostic spatial coordination patterns. To translate these frame-agnostic references into physical motion, a task-centric hybrid Whole-Body Controller synergizes a proactive kinematic Model Predictive Control for collision-free velocity distribution with a reactive execution layer. Crucially, this reactive layer guarantees rapid responsiveness for precise end-effector tracking, while concurrently integrating active force regulation via a cooperative admittance scheme to safely resolve kinematic conflicts and strictly regulate internal stresses during closed-chain interactions. We validate the framework across progressively challenging simulated scenarios, including cooperative carrying, packing and handovers, and successfully deploy the latter in the real world. The results demonstrate reliable task execution, strict configuration agnosticism, and exceptional resilience against severe physical perturbations, offering a highly robust pathway for multi-robot embodied coordination.
- Abstract（参考訳）: 本稿では,2重四元系を用いた汎用協調ロコ操作のための階層的枠組みであるHCLMを紹介する。
浮動小数点間の協調操作の協調は、空間的協調、ロバストな移動、閉鎖の物理的相互作用の相反する要求のために非常に困難である。
これを解決するために,我々のアーキテクチャは,低レベルのロバストな動作実行から高レベルの協調的推論を体系的に分離する。
高レベルでは、集中型合同拡散政策は、SE(3)不変なタスク空間表現を利用して、座標に依存しない空間座標パターンを学習する。
これらのフレーム非依存の参照を物理運動に変換するために、タスク中心のWhole-Body Controllerは、反応実行層との衝突のない速度分布のためのプロアクティブキネマティックモデル予測制御を相乗化する。
重要なことに、この反応性層は正確なエンドエフェクタートラッキングに対する迅速な応答性を保証すると同時に、協調的なアクセタンススキームを介して活性力制御を統合し、キネマティックな衝突を安全に解決し、クローズドチェーン相互作用中の内部応力を厳格に規制する。
我々は, 協調輸送, 梱包, ハンドオーバなど, 段階的に困難なシミュレートシナリオにまたがって, フレームワークを検証し, 実世界での展開に成功した。
その結果、信頼性の高いタスク実行、厳格な構成非依存、重度の物理的摂動に対する例外的なレジリエンスが示され、マルチロボットを具体化するための非常に堅牢な経路が提供された。
関連論文リスト
- When Does Hierarchy Help? Benchmarking Agent Coordination in Event-Driven Industrial Scheduling [7.912877527497326]
DESBenchは、階層的なイベント駆動スケジューリングにおけるエージェント調整を評価するためのベンチマークである。
我々は,中央集権的,階層的,階層的,ホロニックという,4つの代表的な調整パラダイムに注目している。
論文 参考訳（メタデータ） (2026-05-13T08:33:28Z) - ForceFlow: Learning to Feel and Act via Contact-Driven Flow Matching [53.30290192030814]
ForceFlowは、フローマッチングに基づいて構築された、フォース対応のリアクティブフレームワークである。
ForceFlowは、強力なベースラインであるForceVLAよりも37%の成功率の向上を実現している。
また、接触力の自己調節において、正確な力信号予測と優れた性能を示す。
論文 参考訳（メタデータ） (2026-05-11T13:27:00Z) - Learning Reactive Dexterous Grasping via Hierarchical Task-Space RL Planning and Joint-Space QP Control [50.28263951510334]
本稿では,リアクティブなデクスタリーグルーピングのためのハイブリッド階層型制御フレームワークを提案する。
提案手法は,低レベル共同実行から高レベル空間意図を明示的に分離する。
我々は厳密なシミュレーションと現実のパイプラインを通して提案したフレームワークを広範囲に検証する。
論文 参考訳（メタデータ） (2026-05-05T04:49:38Z) - Navigating the Clutter: Waypoint-Based Bi-Level Planning for Multi-Robot Systems [54.887871365121775]
乱雑な環境におけるマルチロボット制御は、複雑な物理的制約を伴う難しい問題である。
タスクとモーションプランニングを協調的に最適化するハイブリッドマルチロボット制御フレームワークを提案する。
我々のアプローチは、動作に依存しないベースラインとVLAベースのベースラインよりもタスクの成功を継続的に改善する。
論文 参考訳（メタデータ） (2026-04-22T22:58:47Z) - AnchorRefine: Synergy-Manipulation Based on Trajectory Anchor and Residual Refinement for Vision-Language-Action Models [60.04879435087352]
視覚言語アクション(VLA)ポリシーは、単一の統一空間内でアクションを生成する。
本稿では,VLAの動作モデリングを軌跡アンカーと残留精細化に分解する階層的フレームワークであるAnchorRefineを提案する。
LIBERO、CALVIN、および実ロボットタスクの実験では、AnchorRefineは回帰ベースと拡散ベースの両方のVLAバックボーンを一貫して改善している。
論文 参考訳（メタデータ） (2026-04-20T04:25:24Z) - CoEnv: Driving Embodied Multi-Agent Collaboration via Compositional Environment [54.84167973913561]
CoEnvは、安全な戦略探索のためにシミュレーションを活用するフレームワークであり、信頼性の高い現実世界のデプロイメントを保証する。
CoEnvは、物理的なワークスペースをデジタル化するリアル・ツー・シムのシーン再構築、コードベースの軌道生成によるリアルタイム計画と安全な配置のための衝突検出によるシム・トゥ・リアル転送の両方をサポートするVLM駆動のアクション合成という3つの段階を経験している。
論文 参考訳（メタデータ） (2026-04-07T06:24:41Z) - ACLM: ADMM-Based Distributed Model Predictive Control for Collaborative Loco-Manipulation [9.708461585583791]
重荷のロコ操作による共同輸送は、脚のあるロボットにとって難しいが必須の能力である。
本研究は,ロコマニピュレーションのための分散モデル予測制御フレームワークであるマルチプライアの交互方向法を提案する。
論文 参考訳（メタデータ） (2026-03-07T08:06:51Z) - Safe Consensus of Cooperative Manipulation with Hierarchical Event-Triggered Control Barrier Functions [3.288997322330816]
本稿では、階層型イベントトリガー制御バリア機能(CBF)を介して、安全保証とのコンセンサス調整を実現する分散制御フレームワークを提案する。
その結果、厳密な安全制約下での高精度な協調が示され、ベースライン法に比べて計算コストと通信周波数が大幅に削減された。
論文 参考訳（メタデータ） (2026-03-06T15:09:07Z) - Cognition to Control - Multi-Agent Learning for Human-Humanoid Collaborative Transport [36.304887250687536]
本稿では,3層階層構造である認知制御(C2C)について述べる。
協調操作タスクの実験は、単一エージェントとエンドツーエンドのベースラインよりも成功と堅牢性を示す。
論文 参考訳（メタデータ） (2026-03-04T06:24:55Z) - QoS-Aware Hierarchical Reinforcement Learning for Joint Link Selection and Trajectory Optimization in SAGIN-Supported UAV Mobility Management [52.15690855486153]
宇宙空間統合ネットワーク (SAGIN) がユビキタスUAV接続を実現するための重要なアーキテクチャとして登場した。
本稿では,SAGINにおけるUAVモビリティ管理を制約付き多目的関節最適化問題として定式化する。
論文 参考訳（メタデータ） (2025-12-17T06:22:46Z)
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。