論文の概要: Reinforcement learning in linear embedding space unlocks generalizable control across soft robot configurations
- arxiv url: http://arxiv.org/abs/2606.08104v1
- Date: Sat, 06 Jun 2026 11:09:46 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-09 14:42:05.784311
- Title: Reinforcement learning in linear embedding space unlocks generalizable control across soft robot configurations
- Title（参考訳）: 線形埋め込み空間における強化学習はソフトロボット構成間の一般化可能な制御を解放する
- Abstract要約: タコや象のトランクのような軟体生物は、顕著な形態的適応性を示す。
近年、様々なソフトロボットが登場し、様々な素材、硬さ、特定のタスクに合わせた形態を特徴としている。
本稿では,多様なソフトロボット構成にまたがる迅速な適応を可能にする汎用制御システムを提案する。
- 参考スコア（独自算出の注目度）: 60.42735420750131
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Soft-bodied organisms such as octopuses and elephant trunks exhibit remarkable morphological adaptability, dynamically reconfiguring body shape and stiffness, and flexibly adjusting their control strategies to enable versatile behaviors. Inspired by these biological systems, various soft robots have emerged in recent decades, featuring diverse materials, stiffnesses, and morphologies tailored to specific tasks. Despite substantial advances in the materials and structural designs of soft robots, developing a generalizable control framework capable of rapid adaptation across diverse configurations remains a long-standing challenge. Existing controllers are limited to fixed configurations, demanding laborious configuration-specific remodelling and policy redesign for new configurations. Here, we introduce a generalizable control system that enables rapid adaptation across diverse soft robot configurations via reinforcement learning in a shared linear Koopman embedding space. By encoding robot dynamics into this embedding space, our method decouples control policies from specific morphologies, allowing real-time, model-free policy adaptation across diverse configurations without retraining from scratch. We validate our system across 33 distinct robot configurations. Our system achieves a 75 times reduction in transfer samples across configurations, while sustaining robust performance under high-speed motion, heavy payloads, and multiactuator faults, and achieving real-world skills previously unattainable in soft robotics. This work establishes a unified and adaptable control paradigm for diverse soft robot configurations, bridging mechanical reconfigurability with control flexibility, and may offer broader insights for generalizable control in complex physical systems.
- Abstract（参考訳）: タコや象のトランクのような軟体生物は、顕著な形態的適応性を示し、身体の形状や硬さを動的に再構成し、柔軟性のある行動を可能にするために制御戦略を柔軟に調整する。
これらの生物学的システムにインスパイアされた、様々なソフトロボットは、様々な素材、硬さ、特定のタスクに適した形態を特徴としている。
ソフトロボットの材料や構造設計が大幅に進歩したにもかかわらず、様々な構成に迅速に適応できる汎用的な制御フレームワークを開発することは、長年にわたる課題である。
既存のコントローラは固定された構成に限られており、厳格な構成固有のリモデリングと、新しい構成のためのポリシーの再設計が要求される。
本稿では,共有線形クープマン埋め込み空間における強化学習を通じて,多種多様なソフトロボット構成への迅速な適応を可能にする一般化可能な制御システムを提案する。
この埋め込み空間にロボットダイナミクスを符号化することにより、制御ポリシーを特定の形態から切り離し、スクラッチからリトレーニングすることなく、様々な構成にリアルタイムでモデルフリーなポリシー適応を可能にする。
我々は33の異なるロボット構成にまたがってシステムを検証する。
本システムでは, 高速動作, 重荷, マルチアクチュエータ故障下での堅牢な性能を維持しつつ, 従来ソフトロボティクスでは達成できなかった実世界の技術を実現するとともに, 構成間の移動サンプルの75倍の低減を実現している。
この研究は、多様なソフトロボット構成のための統一された適応可能な制御パラダイムを確立し、制御の柔軟性で機械的再構成可能性をブリッジし、複雑な物理的システムにおける一般化可能な制御に対するより広範な洞察を提供する。
関連論文リスト
- Tensegrity Continuum Robots Enable Task-Adaptive Morphologies for Cooperative Behaviors [3.443736248915025]
両アーキテクチャの利点を両アーキテクチャの長所に統合するMRRを導入し, 引張性に基づく適合体と爪による接続機構を組み合わせる。
ロボットの能力は,協調した物体操作・輸送,マルチモーダル移動,ロコ操作など,多様なタスクや環境にまたがる。
これらの結果は適応的で多機能なロボット集団の基礎となり、製造、宇宙探査、捜索救助活動に幅広い応用が期待できる。
論文 参考訳（メタデータ） (2026-08-27T15:05:30Z) - Morphing MILR: Design and control of a cable-driven limbless robot with rolling joints for maneuvering in complex environments [5.94633614993598]
リムレスロボットは、閉じ込められたり散らかったりした環境で、例外的な移動手段を提供する。
コンプライアンスを取り入れた最近の設計は、複雑なセンシングや制御なしに堅牢な移動を実証している。
身体形態とコンプライアンスを堅牢にし,多様な移動モードを実現するケーブル駆動型手足レスロボットを提案する。
論文 参考訳（メタデータ） (2026-07-22T03:29:39Z) - A Continual Learning Framework for Adaptive Control of Modular Soft Robots [4.374184567811783]
ソフトロボットは医療介入、リハビリテーション、ロボット操作などの応用において大きな注目を集めている。
MSRは、複雑なタスクを実行することができる高度に変形可能で再構成可能な構造を持つ、新しいタイプのロボットシステムである。
既存のアプローチでは、ロボットの形態が変わるたびにコントローラーをスクラッチから再訓練する必要がある。
本稿では,ロボット形態の変化に漸進的に適応できる連続学習型制御フレームワークを提案する。
論文 参考訳（メタデータ） (2026-07-07T19:11:07Z) - Learning Context-Aware Neural ODE Dynamics for Adaptive Robotic Control [55.01272784312405]
本稿では,ニューラル常微分方程式に基づく文脈認識力学モデルを提案する。
Sphero BOLTロボットとFanucマニピュレータを実世界の実験で使用した。
論文 参考訳（メタデータ） (2026-06-13T20:55:46Z) - COSMIC: Concurrent Optimization of Structure, Material, and Integrated Control for robotic systems [9.321828591115567]
ほとんどのロボットシステムは構造、材料、移動を別々に設計している。
この分離は、しばしば準最適設計につながるが、これらの実体の個人的および集団的貢献は今も残っている。
本稿では,物質設計,移動,その他の複雑な自律行動を同時に最適化する,ランドスケープに基づく協調設計フレームワークを提案する。
論文 参考訳（メタデータ） (2026-05-12T19:00:01Z) - 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) - Simulation-Driven Evolutionary Motion Parameterization for Contact-Rich Granular Scooping with a Soft Conical Robotic Hand [14.911239660367926]
ツールベースのスクーピングは、さまざまな大きさ、形状、物質状態の物体との相互作用を可能にするロボット支援タスクにおいて不可欠である。
近年の研究では、柔軟で再構成可能なソフトロボットのエンドエフェクターが、スクーピング中に一貫した接触を維持するために形状に適応できることが示されている。
これらのソフトツールは、複雑な感知や制御を必要とせずに、様々な容器の大きさや材料に調整することができる。
本稿では,変形可能な円錐型ロボットハンドの物理シミュレーションモデルの開発について述べる。
論文 参考訳（メタデータ） (2026-04-07T07:30:21Z) - ZipFold: Modular Actuators for Scaleable Adaptive Robots [52.52738470247707]
本稿では,可逆スケールと剛性変換を実現する,コンパクトでファブリケートな展開可能なアクチュエータを提案する。
単純なアクチュエータ法は、コンパクト(フレキシブル)状態と拡張(準剛体)状態の間の滑らかで連続的な遷移を可能にする。
論文 参考訳（メタデータ） (2026-04-06T23:50:03Z) - A General Lie-Group Framework for Continuum Soft Robot Modeling [3.0588867238694157]
本稿では,連続体ソフトロボットのモデリングのための一般リー群フレームワークを提案する。
このフレームワークは、セグメント化、分岐、ネスト化、硬質ソフト複合構成を含む複雑なロボット構造を扱うように拡張されている。
論文 参考訳（メタデータ） (2026-03-09T11:03:21Z) - Surrogate compliance modeling enables reinforcement learned locomotion gaits for soft robots [5.193389420813379]
適応型形態形成ロボットは、変化するタスクや環境条件を満たすために形態と制御ポリシーに適応する。
このようなシステムの多くは、形状変形を可能にするソフトコンポーネントを利用するが、シミュレーションや制御の課題も導入している。
本稿では,ソフトボディ物理を明示的にモデル化する代わりに,剛体シミュレータ内でのソフトマテリアル変形を表す間接変数を導入する。
論文 参考訳（メタデータ） (2025-12-08T02:52:42Z) - Universal Morphology Control via Contextual Modulation [52.742056836818136]
異なるロボット形態をまたいだ普遍的なポリシーの学習は、継続的な制御における学習効率と一般化を著しく向上させることができる。
既存の手法では、グラフニューラルネットワークやトランスフォーマーを使用して、異種状態と異なる形態のアクション空間を処理する。
本稿では,この依存関係を文脈変調によりモデル化する階層型アーキテクチャを提案する。
論文 参考訳（メタデータ） (2023-02-22T00:04:12Z) - Differentiable Simulation of Soft Multi-body Systems [99.4302215142673]
我々は、Projective Dynamics内でトップダウン行列アセンブリアルゴリズムを開発する。
筋肉,関節トルク,空気圧管によって駆動される軟口蓋体に対して,異なる制御機構を導出する。
論文 参考訳（メタデータ） (2022-05-03T20:03:22Z) - An End-to-End Differentiable Framework for Contact-Aware Robot Design [37.715596272425316]
我々は、接触認識ロボット設計のためのエンドツーエンドの差別化可能なフレームワークを構築した。
変形に基づく新しいパラメータ化により、任意の複雑な幾何学を持つ剛体ロボットを設計することができる。
微分可能な剛体シミュレータは、接触豊富なシナリオを処理し、運動パラメータと動的パラメータの完全なスペクトルに対する解析的勾配を計算することができる。
論文 参考訳（メタデータ） (2021-07-15T17:53:44Z)
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。