論文の概要: Robust Fall Recovery for Armless Bipedal-Wheeled Robots Via Force-Guided Learning

• arxiv url: http://arxiv.org/abs/2606.14270v1
• Date: Fri, 12 Jun 2026 08:51:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-15 16:00:42.844383
• Title: Robust Fall Recovery for Armless Bipedal-Wheeled Robots Via Force-Guided Learning
• Title（参考訳）: 力覚学習によるアームレス二足歩行ロボットのロバスト転倒回復
• Authors: Haidong Hou, Zhangguo Yu, Tao Han, Hengbo Qi, Khaleel Ghazal, Yu Zhang, Yidong Du, Xuechao Chen, Fei Meng,
• Abstract要約: いくつかのヒューマノイドと四肢は、腕を利用して様々な姿勢から回復したり、複数の脚を調整して支援力を発生させることで回復することができる。 両輪ロボットは、腕や他の脚がなければ、足の動きにのみ依存しなければならない。 FTSR(Force-guided Teacher-Student framework with Stage-wise Rewards)を導入してこの問題に対処する。
• 参考スコア（独自算出の注目度）: 13.56238998710442
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Fall recovery is critical for autonomous legged locomotion. Existing methods have demonstrated that some legged robots, such as humanoids and quadrupeds, are capable of fall recovery from diverse postures by utilizing arms or coordinating multi-legs to generate support forces. Without arms or other legs to provide supportive assistance, a bipedal-wheeled robot must rely solely on the actuation of its legs, making recovery particularly difficult. To address this, we introduce FTSR (Force-guided Teacher-student framework with Stage-wise Rewards). The force-guided method constructs an external auxiliary force during simulation training that correlates directly with the robot's real-time height, explicitly formulating this force as an optimizable constraint. Through constrained reinforcement learning, the policy is guided toward reducing force dependency gradually and increasing the body height, developing internal recovery strategies despite having no arms for support. Height-progressive stage-Wise rewards progressively structure posture stabilization during recovery and transition to sustained locomotion, integrated with teacher-student architecture distilling privileged knowledge of force effects and recovery dynamics. After simulation training, the policy is deployed on a physical armless bipedal-wheeled robot and extensively evaluated. Experiments confirm robust and reliable fall recovery under diverse challenging conditions, demonstrating strong environmental adaptability and motion robustness, while maintaining full post-recovery motion capability. The framework also generalizes effectively to a high-DOF humanoid, confirming its practical generalizability. The project page is available at https://2350575870.github.io/force-guided.github.io/
• Abstract（参考訳）: 転倒回復は自律足歩行にとって重要である。 既存の手法では、ヒューマノイドや四脚ロボットのような脚のあるロボットは、腕を利用して様々な姿勢から回復したり、複数の脚を調整して支援力を生み出すことができる。 腕や他の脚がなければ、二足歩行ロボットは足の動きだけに頼らなければならず、回復は特に困難である。 そこで我々はFTSR(Force-guided Teacher-Student framework with Stage-wise Rewards)を紹介する。 強制誘導法は,ロボットのリアルタイム高さと直接相関するシミュレーショントレーニング中に外部補助力を構築し,この力を最適化可能な制約として明示的に定式化する。 拘束された強化学習を通じて、力の依存を緩やかに減らし、体高を高くし、支援のための武器がなくても内部回復戦略を発達させる政策が導かれる。 ハイト・プログレッシブ・ステージワイズ(英語版)の報酬は、回復と持続的な移動への移行の間に、徐々に姿勢安定化を構造化し、教師の学生が力の効力や回復のダイナミクスに関する特権知識を蒸留するアーキテクチャと統合する。 シミュレーショントレーニングの後、このポリシーは物理的アームレス二足歩行ロボットに展開され、広範囲に評価される。 実験では、様々な困難な条件下での堅牢で信頼性の高い転倒回復を確認し、完全な回復後の運動能力を維持しながら、強い環境適応性と動きの堅牢性を示す。 このフレームワークは高DOFヒューマノイドに効果的に一般化し、その実用的一般化性を確認する。 プロジェクトページはhttps://2350575870.github.io/force-guided.github.io/で公開されている。

関連論文リスト

• RPG: Robust Policy Gating for Smooth Multi-Skill Transitions in Humanoid Fighting [52.18271301977709]
  我々は,スムーズで安定したヒューマノイド多スキル移行のためのハイブリッド・エキスパート・ポリシー・フレームワークであるRPGを提案する。 本手法では,動き遷移のランダム化と時間的ランダム化を取り入れて,アジャイルな戦闘行動を生成する統一的な政策を訓練する。 我々は、歩行/走る移動と戦闘スキルを統合する制御パイプラインを設計し、人間のような長時間の戦闘を任意の期間で行えるようにした。
  論文  参考訳（メタデータ） (2026-04-23T07:14:35Z)
• Reinforcement Learning Enabled Adaptive Multi-Task Control for Bipedal Soccer Robots [1.6824051304328205]
  本稿では,適応型マルチタスク制御を実現するためのモジュール型強化学習フレームワークを提案する。 ボールとキックネットワーク(BSKN)と転倒回復ネットワーク(FRN)とを明確に切り替えた姿勢駆動型状態機械を導入する。
  論文  参考訳（メタデータ） (2026-04-21T05:27:43Z)
• A Kung Fu Athlete Bot That Can Do It All Day: Highly Dynamic, Balance-Challenging Motion Dataset and Autonomous Fall-Resilient Tracking [5.968082051565195]
  武道の特徴は、急激な中心シフト、複雑な調整、急激な姿勢転換である。 KungFuAthleteは、プロアスリートの日々のトレーニングビデオから派生した、ハイダイナミックな武道運動データセットである。 本研究では,高ダイナミックなモーショントラッキングとフォールリカバリを共同で学習できる新しいトレーニングパラダイムを提案する。
  論文  参考訳（メタデータ） (2026-02-14T07:49:56Z)
• Learning to Recover: Dynamic Reward Shaping with Wheel-Leg Coordination for Fallen Robots [10.712715061996194]
  本稿では,エピソードベースの動的リワードシェーピングとカリキュラム学習を統合した学習フレームワークを提案する。 相乗的ホイールレッグ調整は関節トルクの消費を15.8%、26.2%減少させることを示した。
  論文  参考訳（メタデータ） (2025-06-05T18:58:12Z)
• Humanoid Whole-Body Locomotion on Narrow Terrain via Dynamic Balance and Reinforcement Learning [54.26816599309778]
  動的バランスと強化学習(RL)に基づく新しい全身移動アルゴリズムを提案する。 具体的には,ZMP(Zero-Moment Point)駆動の報酬とタスク駆動の報酬を,全身のアクター批判的枠組みで拡張した尺度を活用することで,動的バランス機構を導入する。 フルサイズのUnitree H1-2ロボットによる実験により、非常に狭い地形でのバランスを維持するための手法の有効性が検証された。
  論文  参考訳（メタデータ） (2025-02-24T14:53:45Z)
• Learning Humanoid Standing-up Control across Diverse Postures [27.79222176982376]
  立ち上がり制御はヒューマノイドロボットにとって不可欠であり、現在の移動と移動操作システムに統合される可能性がある。 本稿では,立ち上がり制御をゼロから学習する強化学習フレームワークであるHoST(Humanoid Standing-up Control)を提案する。 実験結果から, 各種実験室および屋外環境におけるスムーズ, 安定, 頑健な立位運動が得られた。
  論文  参考訳（メタデータ） (2025-02-12T13:10:09Z)
• Reinforcement Learning for Versatile, Dynamic, and Robust Bipedal Locomotion Control [106.32794844077534]
  本稿では,二足歩行ロボットのための動的移動制御系を構築するために,深層強化学習を用いた研究について述べる。 本研究では、周期歩行やランニングから周期ジャンプや立位に至るまで、様々な動的二足歩行技術に使用できる汎用的な制御ソリューションを開発する。 この研究は、二足歩行ロボットの俊敏性の限界を、現実世界での広範な実験を通じて押し上げる。
  論文  参考訳（メタデータ） (2024-01-30T10:48:43Z)
• Robust and Versatile Bipedal Jumping Control through Reinforcement Learning [141.56016556936865]
  この研究は、トルク制御された二足歩行ロボットが実世界で頑丈で多目的なダイナミックジャンプを行えるようにすることで、二足歩行ロボットの機敏さの限界を推し進めることを目的としている。 本稿では,ロボットが様々な場所や方向へジャンプするなど,さまざまなジャンプタスクを達成するための強化学習フレームワークを提案する。 我々は,ロボットの長期入出力(I/O)履歴を符号化し,短期I/O履歴への直接アクセスを可能にする新しいポリシー構造を開発する。
  論文  参考訳（メタデータ） (2023-02-19T01:06:09Z)

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。