論文の概要: Locomotion analysis of a quadruped interacting with the lunar granular surface
- arxiv url: http://arxiv.org/abs/2606.10273v1
- Date: Tue, 09 Jun 2026 00:38:35 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-11 16:42:37.971074
- Title: Locomotion analysis of a quadruped interacting with the lunar granular surface
- Title（参考訳）: 月の粒面と相互作用する四足歩行の運動解析
- Authors: Yash J Vyas,
- Abstract要約: 月面は粒状リゴリスで構成されており、脚のついたロボットの移動とその性能に影響を与える。
月面ロボット足の接点の物理的モデリングを, 強化学習を用いて訓練した移動体を用いたシミュレーション環境に適用した。
硬質接触環境と軟質接触環境を訓練した政策の比較を行い,歩行および移動性能指標の分析を行った。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Deploying legged robots in extra-terrestrial environments includes many challenges due to complex terrain interactions, energy, and thermal constraints. For effective mechanical design of a lunar exploration quadrupedal robot, careful consideration of motor torques, energy expenditure, and cost of transport is required. The lunar surface is composed of granular regolith, which impacts the locomotion of legged robots and their performance. Locomotion algorithms trained with rigid contact assumptions are also ineffective when applied to environments with soft contacts, such as granular surfaces, which can result in instability and poor tracking. In this report, the physical modelling of the granular lunar surface-robot foot contacts is applied to a simulation environment with locomotion trained using Reinforcement Learning. A comparison is conducted between the policy trained on rigid contact and soft contact environments, analysing the gait and locomotion performance metrics. The analysis demonstrates that soft contacts simulating regolith surfaces pose additional challenges for Reinforcement Learning based training, result in a qualitatively different gait, and increase the overall energy expenditure.
- Abstract（参考訳）: 脚のあるロボットを地球外環境に配置することは、複雑な地形の相互作用、エネルギー、熱的制約による多くの課題を含む。
月探査四脚ロボットの効果的な機械設計には, モータトルク, エネルギー消費, 輸送コストの考慮が必要である。
月面は粒状リゴリスで構成されており、脚のついたロボットの移動とその性能に影響を与える。
厳密な接触仮定で訓練された移動アルゴリズムは、粒状表面のようなソフトな接触のある環境に適用しても効果がなく、不安定性や追跡不良をもたらす可能性がある。
本報告では, 月面ロボット足の接点の物理的モデリングを, 強化学習を用いて訓練した移動体を用いたシミュレーション環境に適用する。
硬質接触環境と軟質接触環境を訓練した政策の比較を行い,歩行および移動性能指標の分析を行った。
この分析により,リゴリス表面を模擬するソフトコンタクトは,強化学習に基づくトレーニングに新たな課題をもたらし,質的に異なる歩行をもたらし,全体のエネルギー消費を増加させることを示した。
関連論文リスト
- PRIME: Physically-consistent Robotic Inertial and Motion Estimation for Legged and Humanoid Robots [6.944742823560998]
本研究では,実世界の展開において,車載キネマティクスから正確な動き推定を可能にするPRIMEを提案する。
提案手法は,滑らかな相補性制約とAnitescuスタイルの摩擦モデルを備えた異種接触力学を取り入れたものである。
PRIMEは、大規模な振る舞いモデリングやロボット基礎モデルなど、下流学習アプリケーションに高品質なデータを提供するように調整することができる。
論文 参考訳（メタデータ） (2026-05-17T22:43:10Z) - Learn Weightlessness: Imitate Non-Self-Stabilizing Motions on Humanoid Robot [56.377161933570335]
人間は自然に非自己安定化(NSS)運動中に「無重力」状態を利用する。
この生物学的メカニズムに着想を得て,データセットのアノテーションに対する無重力自動ラベル方式を提案する。
我々の研究は、正確な軌道追跡と適応的な環境相互作用のギャップを埋め、接触リッチなヒューマノイド制御のための生物学的にインスパイアされたソリューションを提供する。
論文 参考訳（メタデータ） (2026-04-23T07:10:05Z) - 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) - D-REX: Differentiable Real-to-Sim-to-Real Engine for Learning Dexterous Grasping [66.22412592525369]
本稿では,ガウスのSplat表現を生かした実--sim-to-realエンジンを導入し,実-sim-to-realエンジンについて述べる。
提案エンジンは, 各種物体の形状と質量値のマス識別において, 高精度かつロバストな性能を実現していることを示す。
これらの最適化された質量値は、力覚的なポリシー学習を促進し、オブジェクトの把握において優れた、高いパフォーマンスを達成する。
論文 参考訳（メタデータ） (2026-03-01T15:32:04Z) - MeshMimic: Geometry-Aware Humanoid Motion Learning through 3D Scene Reconstruction [54.36564144414704]
MeshMimicは、3Dシーンの再構築とインテリジェンスを組み込んだ革新的なフレームワークで、ヒューマノイドロボットがビデオから直接「モーション・テライン」インタラクションを学習できるようにする。
現状の3次元視覚モデルを活用することで、我々のフレームワークは、人間の軌跡と基礎となる地形や物体の3次元幾何学の両方を正確にセグメント化し再構築する。
論文 参考訳（メタデータ） (2026-02-17T17:09:45Z) - 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) - Contact-Implicit Modeling and Simulation of a Snake Robot on Compliant and Granular Terrain [0.0]
本論文は,COBRAヘビロボットの横巻き及び転動動作を解析するための統一モデリングおよびシミュレーションフレームワークを提案する。
サイドウインド中の分散摩擦相互作用をモデル化するために、接触-単純定式化が用いられる。
急勾配での高エネルギー転がり移動には、クロノDEMエンジンが粒子と粒子の相互作用をシミュレートするために用いられる。
論文 参考訳（メタデータ） (2025-12-04T17:20:32Z) - Ground contact and reaction force sensing for linear policy control of quadruped robot [7.2916460705335995]
強化学習で訓練された直線的方針は、四足歩行を可能にするために適切に機能することが示されている。
地上接触と反応力のデータは、生存可能性の向上、外乱に対する安定性の向上、訓練されていない条件への適応性の向上で政策を訓練する。
論文 参考訳（メタデータ） (2025-03-03T02:04:55Z) - Learning Human-to-Robot Handovers from Point Clouds [63.18127198174958]
視覚に基づく人間ロボットハンドオーバの制御ポリシーを学習する最初のフレームワークを提案する。
シミュレーションベンチマーク,sim-to-sim転送,sim-to-real転送において,ベースラインよりも大きな性能向上を示した。
論文 参考訳（メタデータ） (2023-03-30T17:58:36Z) - Nonprehensile Riemannian Motion Predictive Control [57.295751294224765]
本稿では,リアル・ツー・シムの報酬分析手法を導入し,リアルなロボット・プラットフォームに対する行動の可能性を確実に予測する。
連続的なアクション空間でオブジェクトを反応的にプッシュするクローズドループコントローラを作成します。
我々は,RMPCが乱雑な環境だけでなく,乱雑な環境においても頑健であり,ベースラインよりも優れていることを観察した。
論文 参考訳（メタデータ） (2021-11-15T18:50:04Z) - COCOI: Contact-aware Online Context Inference for Generalizable
Non-planar Pushing [87.7257446869134]
一般的なコンタクトリッチな操作問題は、ロボット工学における長年の課題である。
深層強化学習は、ロボット操作タスクの解決に大きな可能性を示している。
動的プロパティのコンテキスト埋め込みをオンラインにエンコードする深層RL法であるCOCOIを提案する。
論文 参考訳（メタデータ） (2020-11-23T08:20:21Z)
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。