論文の概要: DRL-Based Pose Control for Double-Ackermann Robots Under Actuation Uncertainties

• arxiv url: http://arxiv.org/abs/2606.00313v1
• Date: Fri, 29 May 2026 19:37:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-02 21:34:28.278792
• Title: DRL-Based Pose Control for Double-Ackermann Robots Under Actuation Uncertainties
• Title（参考訳）: 運動不確かさ下におけるダブルアッカーマンロボットのDRLによる姿勢制御
• Abstract要約: DRLフレームワークであるManeuverNetをベースとして、位置制御からフルポーズ制御までその目的を拡張し、より困難なタスクを実現する。 我々は,ガゼボで観測されたアクティベーション効果をPyBulletトレーニング環境に組み込む,シミュレート・トゥ・シミュレート・トゥ・リアルなアプローチを採用する。 このアプローチは、シミュレータ間のパフォーマンスギャップを大幅に削減し、Gazeboで最大92%の成功率を実現し、より厳格なしきい値の下で69%を維持する。
• 参考スコア（独自算出の注目度）: 0.7322887425853787
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Robust deployment of deep reinforcement learning (DRL) policies on real robots remains challenging due to discrepancies between simulation and real-world dynamics. We address this issue in the context of maneuvering with double-Ackermann-steering mobile robots, which introduce additional constraints due to their non-holonomic nature. Building upon the DRL framework ManeuverNet, we extend its objective from position control to full pose control, resulting in a more challenging task. We further investigate the impact of actuation-related uncertainties on policy transfer. The use of simplified actuation models during training of the extended policy can lead to poor generalization, shown by a success rate drop from 100% in PyBullet to 25% in Gazebo under stricter evaluation conditions. To address this limitation, we adopt a sim-to-sim-to-real approach, where actuation effects observed in Gazebo are incorporated into the PyBullet training environment. Using multi-environment DRL with SAC and CrossQ, we learn policies that remain robust despite modeling inaccuracies. This approach can significantly reduce the performance gap across simulators, achieving up to 92% success rate in Gazebo and maintaining 69% under stricter thresholds, with successful transfer to a real robot without additional tuning.
• Abstract（参考訳）: シミュレーションと実世界のダイナミクスの相違により, 実ロボットへの深層強化学習(DRL)ポリシーのロバスト展開はいまだに困難である。 この問題は、ダブルアッカーマン・ステアリング・モバイルロボットによる操作の文脈において解決され、非ホロノミックな性質による追加的な制約がもたらされる。 DRLフレームワークであるManeuverNetをベースとして、位置制御からフルポーズ制御までその目的を拡張し、より困難なタスクを実現した。 さらに、アクティベーション関連の不確実性が政策伝達に与える影響について検討する。 拡張ポリシーのトレーニングにおける簡易なアクティベーションモデルの使用は、より厳密な評価条件下では、PyBullet 100% から Gazebo 25% まで、成功率の低下によって、一般化の低さをもたらす可能性がある。 この制限に対処するために,ガゼボで観測されたアクティベーション効果をPyBulletトレーニング環境に組み込む,sim-to-sim-to-realアプローチを採用する。 SACとCrossQを併用したマルチ環境DRLを用いて、不正確なモデリングにもかかわらず頑健なポリシーを学習する。 このアプローチは、シミュレータ間のパフォーマンスギャップを著しく減らし、ガゼボで最大92%の成功率を達成し、より厳格なしきい値の下で69%を維持し、追加チューニングなしで本物のロボットに転送することに成功した。

関連論文リスト

• Enhancing Sim2Real Transfer for Torque-Controlled Robots through Real2Sim Dynamics Estimation and Reinforcement Learning [2.071516130824992]
  シミュレーションから実世界ロボットへの強化学習ポリシーの移行は依然として大きな課題である。 トルク制御ロボットアームのSim2Real転送を改善するReal2Sim2Realパイプラインを提案する。 この研究は、安定かつ一般化可能なトルクベース強化学習ポリシーを実現するための正確な物理モデリングの有効性を強調した。
  論文  参考訳（メタデータ） (2026-08-23T22:25:33Z)
• Mind Your Steps: A General Learning Framework for Accurate Humanoid Foothold Tracking [78.30338456206984]
  本稿では,汎用3D足場追跡ポリシーをトレーニングするための新しいフレームワークを提案する。 本手法は, 目標検層による足場支援を動的に行うことにより, 学習方針を特定の地形に依存しないものにする。 我々の新しいターゲット表現は、雑音や不正確なポーズ推定や足の接触推定といった現実の課題を効果的に緩和する。
  論文  参考訳（メタデータ） (2026-06-06T16:44:56Z)
• ManeuverNet: A Soft Actor-Critic Framework for Precise Maneuvering of Double-Ackermann-Steering Robots with Optimized Reward Functions [0.7322887425853787]
  ManeuverNetは、Soft Actor-CriticとCrossQを組み合わせたDRLフレームワークである。 我々は,最新のDRLベースラインとTimed Elastic Bandプランナの両方に対して,ManeuverNetを広範囲に評価した。 実世界の試験では、ManeuverNetは軌道の効率を最大90%向上させ、その堅牢性と実用性を強調した。
  論文  参考訳（メタデータ） (2026-02-16T13:19:04Z)
• Efficiently Learning Robust Torque-based Locomotion Through Reinforcement with Model-Based Supervision [14.246416873754905]
  モデルに基づく二足歩行と残留強化学習を統合した制御フレームワークを提案する。 提案手法は, ランダム化条件におけるロバスト性の向上と一般化を実証する。
  論文  参考訳（メタデータ） (2026-01-22T16:56:52Z)
• Opening the Sim-to-Real Door for Humanoid Pixel-to-Action Policy Transfer [59.02729900344616]
  GPUを加速したフォトリアリスティックなシミュレーションは、ロボット学習のためのスケーラブルなデータ生成パスを開いた。 視覚に基づくヒューマノイドロコ操作のための教師-学生-ブートストラップ学習フレームワークを開発した。 これは、純粋なRGB知覚を用いた多様な調音ロコ操作が可能な初めてのヒューマノイド・シム・トゥ・リアル政策である。
  論文  参考訳（メタデータ） (2025-11-30T20:07:13Z)
• Offline Robotic World Model: Learning Robotic Policies without a Physics Simulator [50.191655141020505]
  強化学習(Reinforcement Learning, RL)は、ロボット制御において目覚ましい能力を示してきたが、高いサンプルの複雑さ、安全性の懸念、そしてシム・トゥ・リアルのギャップのため、依然として困難である。 物理シミュレータに頼らずに政策学習を改善するために不確実性を明示的に推定するモデルベースアプローチであるオフラインロボット世界モデル(RWM-O)を導入する。
  論文  参考訳（メタデータ） (2025-04-23T12:58:15Z)
• Grow Your Limits: Continuous Improvement with Real-World RL for Robotic Locomotion [66.69666636971922]
  本稿では,ロボットの学習過程における探索を調節するポリシー正規化フレームワークであるAPRLを提案する。 APRLは四足歩行ロボットを、数分で完全に現実世界を歩けるように効率よく学習する。
  論文  参考訳（メタデータ） (2023-10-26T17:51:46Z)
• Learning Vision-based Pursuit-Evasion Robot Policies [54.52536214251999]
  我々は、部分的に観察可能なロボットの監督を生成する完全観測可能なロボットポリシーを開発する。 我々は、RGB-Dカメラを搭載した4足歩行ロボットに、野生での追従回避のインタラクションにポリシーを展開させる。
  論文  参考訳（メタデータ） (2023-08-30T17:59:05Z)
• Reinforcement Learning for Safe Robot Control using Control Lyapunov Barrier Functions [9.690491406456307]
  強化学習(RL)は、ロボットの複雑な制御タスクを管理する際の優れた性能を示す。 本稿では、データのみに基づいて安全性と到達可能性を分析するために、制御型リアプノフバリア関数(CLBF)について検討する。 また、Lyapunov barrier actor-critic (LBAC) を提案し、データに基づく安全性と到達性条件の近似を満足するコントローラを探索した。
  論文  参考訳（メタデータ） (2023-05-16T20:27:02Z)
• Learning Bipedal Walking for Humanoids with Current Feedback [5.429166905724048]
  アクチュエータレベルでの不正確なトルクトラッキングから生じるヒューマノイドロボットのシム2リアルギャップ問題を克服するためのアプローチを提案する。 提案手法は、実際のHRP-5Pヒューマノイドロボットに展開して二足歩行を実現するシミュレーションにおいて、一貫したエンドツーエンドのポリシーをトレーニングする。
  論文  参考訳（メタデータ） (2023-03-07T08:16:46Z)
• Sim-Anchored Learning for On-the-Fly Adaptation [45.123633153460034]
  実世界のデータを持つ微調整シミュレーション訓練されたRLエージェントは、制限されたデータ分布や歪んだデータ分布のために重要な振る舞いを劣化させることが多い。 シミュレーションと現実の両方において政策目標を満たさなければならない多目的最適化問題として、フレーミングライブ適応を提案する。
  論文  参考訳（メタデータ） (2023-01-17T16:16:53Z)
• OSCAR: Data-Driven Operational Space Control for Adaptive and Robust Robot Manipulation [50.59541802645156]
  オペレーショナル・スペース・コントロール(OSC)は、操作のための効果的なタスクスペース・コントローラとして使われてきた。 本稿では,データ駆動型OSCのモデル誤差を補償するOSC for Adaptation and Robustness (OSCAR)を提案する。 本手法は,様々なシミュレーション操作問題に対して評価し,制御器のベースラインの配列よりも大幅に改善されていることを示す。
  論文  参考訳（メタデータ） (2021-10-02T01:21:38Z)
• Guided Constrained Policy Optimization for Dynamic Quadrupedal Robot Locomotion [78.46388769788405]
  我々は,制約付きポリシー最適化(CPPO)の実装に基づくRLフレームワークであるGCPOを紹介する。 誘導制約付きRLは所望の最適値に近い高速収束を実現し,正確な報酬関数チューニングを必要とせず,最適かつ物理的に実現可能なロボット制御動作を実現することを示す。
  論文  参考訳（メタデータ） (2020-02-22T10:15:53Z)

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。