論文の概要: GAIT: Legged Robot Proprioceptive State Estimation with Attention over Inertial-Leg Tokens

• arxiv url: http://arxiv.org/abs/2606.14160v1
• Date: Fri, 12 Jun 2026 06:34:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-15 16:00:42.778254
• Title: GAIT: Legged Robot Proprioceptive State Estimation with Attention over Inertial-Leg Tokens
• Title（参考訳）: GAIT:慣性レグトークンに対する注意を伴う脚付きロボットの受動的状態推定
• Authors: Young-Rang Seo, Hajun Kim, Sangmin Kim, Dongyun Kang, Hae-Won Park,
• Abstract要約: Inertial-Legトークン化を注目型ネットワークに適用し,脚付きロボットの固有状態推定を行う手法を提案する。 既存の学習ベース状態推定装置では、全てのセンサ計測を単一の平坦なベクトルに変換するが、提案アーキテクチャでは慣性測定と脚回りの測定を個々のトークンとして表現している。
• 参考スコア（独自算出の注目度）: 7.416166787003273
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this paper, we propose a method that applies Inertial-Leg (IL) tokenization to an attention-based network for proprioceptive state estimation in legged robots. Unlike existing learning-based state estimators that concatenate all sensor measurements into a single flat vector, the proposed architecture represents inertial measurements and leg-wise measurements as individual tokens and uses an attention mechanism to learn the relative importance of each measurement.This design allows the network to reweight each measurement according to the current contact condition, reflecting the fact that the reliability of forward kinematic measurements depends on whether the corresponding foot is in contact. Unlike conventional contact-aided estimators, however, the proposed method learns this behavior without relying on an explicit contact estimator or on explicit measurement updates based on a stationary contact assumption. To validate the proposed method, we conducted experiments on a Unitree Go1 robot, including debris terrain not modeled in simulation and gait patterns not seen during training. Experimental results show that the proposed method achieves better estimation performance than existing learning-based state estimators under unseen gait patterns and also improves performance over contact-aided model-based methods.
• Abstract（参考訳）: そこで本研究では,ロボットの動作状態推定のための注意型ネットワークに対して,慣性レグ(IL)トークン化を適用した手法を提案する。 既存の学習ベース状態推定装置では, センサ計測を1つの平坦なベクトルに分解するが, 提案アーキテクチャは慣性測定と脚回り測定を個別のトークンとして表現し, それぞれの測定の相対的重要性を学習するために注意機構を用いており, この設計により, 前方運動学測定の信頼性が対応する足の接触の有無に依存することを反映して, それぞれの測定を現在の接触条件に従って重み付けすることができる。 しかし,従来の接触支援型推定装置とは違い,提案手法は明示的な接触推定器や,定常的な接触仮定に基づく明示的な測定更新に頼ることなく,この挙動を学習する。 提案手法を検証するため,Unitree Go1ロボットを用いた実験を行った。 実験結果から,提案手法は既存の学習ベース状態推定手法よりも,視認できない歩行パターン下での予測性能が向上し,接触支援型モデルベース手法よりも性能が向上することが示唆された。

関連論文リスト

• How NOT to benchmark your SITE metric: Beyond Static Leaderboards and Towards Realistic Evaluation [11.33816414982401]
  伝達可能性推定メトリクスは、与えられた目標タスクに対して高い性能の事前訓練されたモデルを見つけるために使用される。 このようなメトリクスの開発に対する関心が高まっているにもかかわらず、彼らの進捗を測るベンチマークは、ほとんど検討されていない。 これらの指標が評価されるベンチマークには、根本的な欠陥がある、と我々は主張する。
  論文  参考訳（メタデータ） (2025-10-07T20:38:12Z)
• RelCon: Relative Contrastive Learning for a Motion Foundation Model for Wearable Data [14.097517115921184]
  本稿では,ウェアラブル加速度センサを用いた運動基礎モデルの学習のための,自己指導型相対的コントラスト学習手法であるRelConを提案する。 まず、学習可能な距離尺度をトレーニングし、モチーフの類似性とドメイン固有の意味情報をキャプチャする。 我々は,ウェアラブルの動作データを用いた基礎モデルの,異なる評価課題における一般化可能性を示す最初の人物である。
  論文  参考訳（メタデータ） (2024-11-27T23:51:53Z)
• Benchmarks as Microscopes: A Call for Model Metrology [76.64402390208576]
  現代の言語モデル(LM)は、能力評価において新たな課題を提起する。 メトリクスに自信を持つためには、モデルミアロジの新たな規律が必要です。
  論文  参考訳（メタデータ） (2024-07-22T17:52:12Z)
• Data-driven Force Observer for Human-Robot Interaction with Series Elastic Actuators using Gaussian Processes [4.229902091180109]
  本研究では,ガウス過程(GP)回帰を用いて未知の動的成分を学習する。 保証された推定誤差境界を導出し、安全クリティカルなアプリケーションでの使用を容易にする。 人-外骨格相互作用シナリオにおいて提案手法の有効性を実験的に示す。
  論文  参考訳（メタデータ） (2024-05-14T15:51:52Z)
• Towards Motion Forecasting with Real-World Perception Inputs: Are End-to-End Approaches Competitive? [93.10694819127608]
  実世界の知覚入力を用いた予測手法の統一評価パイプラインを提案する。 我々の詳細な調査では、キュレートされたデータから知覚ベースのデータへ移行する際の大きなパフォーマンスギャップが明らかになりました。
  論文  参考訳（メタデータ） (2023-06-15T17:03:14Z)
• Robust Contact State Estimation in Humanoid Walking Gaits [3.1866319932300953]
  本稿では,ヒト型歩行歩行ロボットの脚接触検出問題に対する統一的なアプローチを提供するディープラーニングフレームワークを提案する。 我々の定式化は各脚の接触状態の確率を正確かつ確実に推定する。 我々の実装はLegged Contact Detection (LCD)と呼ばれるオープンソースのROS/Pythonパッケージとして提供されている。
  論文  参考訳（メタデータ） (2022-07-30T17:19:47Z)
• Trajectory Forecasting from Detection with Uncertainty-Aware Motion Encoding [121.66374635092097]
  物体検出と追跡から得られる軌道は、必然的にうるさい。 本稿では, 明示的に形成された軌道に依存することなく, 直接検出結果に基づく軌道予測器を提案する。
  論文  参考訳（メタデータ） (2022-02-03T09:09:56Z)
• Contact-Aware Retargeting of Skinned Motion [49.71236739408685]
  本稿では,自己接触を保存し,相互接続を防止する動作推定手法を提案する。 入力運動における自己接触と接地を同定し、出力骨格に適用するための動作を最適化する。 実験では,従来の手法を定量的に上回り,近年の成果よりも高い品質で再ターゲットされた動きを評価できるユーザスタディを実施している。
  論文  参考訳（メタデータ） (2021-09-15T17:05:02Z)
• MINIMALIST: Mutual INformatIon Maximization for Amortized Likelihood Inference from Sampled Trajectories [61.3299263929289]
  シミュレーションベースの推論は、その可能性が実際に計算できない場合でもモデルのパラメータを学習することができる。 あるクラスのメソッドは、異なるパラメータでシミュレートされたデータを使用して、確率とエビデンス比の償却推定器を推定する。 モデルパラメータとシミュレーションデータ間の相互情報の観点から,本手法が定式化可能であることを示す。
  論文  参考訳（メタデータ） (2021-06-03T12:59:16Z)
• Robust Unsupervised Learning of Temporal Dynamic Interactions [21.928675010305543]
  本稿では,対話の堅牢な表現学習のためのProcrustes距離に基づくモデルフリーメトリックを提案する。 また、相互作用プリミティブの分布を比較するために、最適な輸送ベース距離メートル法も導入する。 安全パイロットデータベースから抽出した車車間相互作用の教師なし学習において,その有用性を示す。
  論文  参考訳（メタデータ） (2020-06-18T02:39:45Z)

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。