論文の概要: Identification of a Physics-Based Electrical Power Consumption Model for the Unitree G1 Humanoid Arm
- arxiv url: http://arxiv.org/abs/2606.15915v1
- Date: Sun, 14 Jun 2026 16:45:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-16 16:21:33.939154
- Title: Identification of a Physics-Based Electrical Power Consumption Model for the Unitree G1 Humanoid Arm
- Title（参考訳）: 単木G1ヒューマノイドアームの物理に基づく電力消費モデル同定
- Abstract要約: 本稿では,UnitreeG1ヒューマノイドロボットの左腕の電力消費に関する物理モデルを提案する。
提案した定式化は、アクチュエータ損失項とベースライントルク補正を組み合わせることで、重力補償負荷の変化を捉える。
シングルジョイントとアコーディネートアームの動作を複数の速度レベルでカバーする897トラジェクトリで、同定されたモデルは、1.07 (W)のRMSEで$R2 = 0.933$に達する。
- 参考スコア（独自算出の注目度）: 41.90412270641482
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Accurate prediction of electrical power consumption is essential for energy-aware motion planning, battery management, and thermal monitoring in battery-powered humanoid robots. This letter presents a physics-based, linear-in-parameters model for the electrical power consumption of the seven-degree-of-freedom left arm of the Unitree~G1 humanoid robot. The proposed formulation combines actuator loss terms with a baseline-torque correction that captures changes in gravity-compensation load and enables accurate prediction of negative net power trajectories. Pairwise interaction terms are introduced to model power coupling during simultaneous multi-joint motion. Model parameters are identified from experimental data collected on a physical Unitree~G1 using onboard power measurements as the regression target. Across 897 trajectories covering single-joint and coordinated arm motions at multiple speed levels, the identified model achieves $R^2 = 0.933$ with an RMSE of 1.07 (W). Validation on 46 trajectories executed at previously unseen speeds yields $R^2 = 0.965$, demonstrating strong generalisation beyond the identification dataset. Analysis of the identified parameters reveals distinct power-consumption characteristics across the arm, with viscous friction dominating most joints (shoulder pitch and all three wrist joints), copper losses dominating shoulder yaw and the elbow, and shoulder roll uniquely dominated by Coulomb friction.
- Abstract（参考訳）: 電力消費の正確な予測は、電池駆動ヒューマノイドロボットのエネルギーを考慮した運動計画、バッテリー管理、熱モニタリングに不可欠である。
本文は,Unitree~G1ヒューマノイドロボットの7自由度左腕の電力消費に関する物理に基づく線形パラメータモデルを提案する。
提案した定式化は、アクチュエータ損失項とベースライントルク補正を組み合わせることで、重力補償負荷の変化を捉え、負のネットパワートラジェクトリの正確な予測を可能にする。
ペアワイズ相互作用項は、同時多関節運動時のモデルパワーカップリングに導入された。
モデルパラメータは、物理Unitree~G1で収集された実験データから、オンボード電力測定を回帰目標として同定する。
シングルジョイントとコーディネートアームの動作を複数の速度レベルでカバーする897の軌道で、同定されたモデルは1.07 (W)のRMSEで$R^2 = 0.933$に達する。
以前は目に見えない速度で実行される46の軌道に対する検証は、R^2 = 0.965$となり、識別データセットを超えて強い一般化を示す。
特定されたパラメータの解析により、ほとんどの関節(ショルダーピッチと3つの手首関節すべて)を粘性摩擦が支配し、ショルダーヨーと肘に銅の損失が支配され、ショルダーロールがクーロン摩擦に支配されている。
関連論文リスト
- Hip Energized Monopedal Hopping [0.5505634045241289]
ピッチアンロックされた平面モノペットのための新しいステップ戦略を提案する。
制御器はピッチ安定化トルクを増大させ、歩行にエネルギーを付加する。
新しいステップポリシーは、放散損失に対処するために半径と角度の自由度の間のエネルギーの分配を調整する。
論文 参考訳（メタデータ） (2026-08-11T02:28:04Z) - Friction Characterization of a Cable-Driven Differential Actuation System for Lower-Limb Exoskeletons [42.628421392139]
下肢の外骨格は正確な関節トルク制御を提供する作動系を必要とする。
従来のアーキテクチャは独立して作動する関節と関節レベルのトルクセンサーに依存していることが多い。
本稿では,ヒップ膝屈曲・伸展のための新しいディファレンシャル・アクティベーション・アーキテクチャを提案する。
論文 参考訳（メタデータ） (2026-06-14T19:47:32Z) - Energy-Efficient Arm Reaching for a Humanoid Robot via Deep Reinforcement Learning with Identified Power Models [44.9566685062534]
本論文では,UnitreeG1ヒューマノイドロボットの7自由度左腕のための,エンドツーエンドでエネルギーを意識した強化学習フレームワークを提案する。
このポリシーは、3つの独立した10ターゲットのバッチで検証され、平均エネルギーは71.5 pm 48.3$,J、終端エフェクター位置誤差は2.64 pm 1.04$,cm、方位誤差は6.92 pm 1.33circ$ -- SI4centimetre/$8.6circ$のトレーニング耐性を持つ。
論文 参考訳（メタデータ） (2026-06-14T16:46:18Z) - Safe Whole-Body Loco-Manipulation via Combined Model and Learning-based Control [46.47619556874003]
そこで本研究では,マニピュレータアームのモデルベースアプタンス制御と足歩行の強化学習ポリシを組み合わせた全身制御を提案する。
アクセタンスコントローラは、物理的相互作用中に人間によって適用されるような外部レンチを、望ましいエンドエフェクタ速度にマッピングし、従順な振る舞いを可能にする。
6-DoFアームと手首に装着した6-DoF Force/Torqueセンサーを備えたUnitree Go2四足歩行ロボットを用いて,シミュレーションとハードウェアの両方におけるアプローチを検証する。
論文 参考訳（メタデータ） (2026-03-02T22:31:12Z) - System Identification under Constraints and Disturbance: A Bayesian Estimation Approach [5.58001571731715]
本稿では,ロボットの状態軌跡と物理パラメータを高精度に推定するためのベイズシステム同定(SysID)フレームワークを提案する。
物理的に一貫した逆ダイナミクス、接触とループ閉鎖の制約を組み込んでおり、関節摩擦モデルを完全にハードでステージワイドな等式制約として特徴付ける。
論文 参考訳（メタデータ） (2026-02-18T10:45:30Z) - RobotDancing: Residual-Action Reinforcement Learning Enables Robust Long-Horizon Humanoid Motion Tracking [50.200035833530876]
RobotDancingはシンプルでスケーラブルなフレームワークで、残留する関節の目標を予測して、ダイナミックスの不一致を明示的に修正する。
複数分間の高エネルギー動作(ジャンプ、スピン、カートホイール)をトラッキングし、高いモーショントラッキング品質のハードウェアにゼロショットをデプロイする。
論文 参考訳（メタデータ） (2025-09-25T03:30:34Z) - A Hybrid Surrogate for Electric Vehicle Parameter Estimation and Power Consumption via Physics-Informed Neural Operators [1.4524691281000133]
電気自動車のパラメータ推定と電力消費のためのハイブリッドサロゲートモデルを提案する。
速度と加速度だけで、時変モーターと再生ブレーキ効率を出力する。
我々はTesla Model 3、Tesla Model S、およびKia EV9の実際のログを評価した。
論文 参考訳（メタデータ） (2025-08-18T04:01:42Z) - Integrating Physics and Data-Driven Approaches: An Explainable and Uncertainty-Aware Hybrid Model for Wind Turbine Power Prediction [1.1270209626877075]
風力エネルギーセクターの急速な成長は、タービンの運転を最適化する緊急の必要性を浮き彫りにしている。
伝統的な経験的モデルと物理学に基づくモデルは、風速に基づく発電の近似予測を提供する。
データ駆動機械学習手法は、風力タービンモデリングを改善するための有望な道を示す。
論文 参考訳（メタデータ） (2025-02-11T08:16:48Z) - Event-Based Simulation of Stochastic Memristive Devices for Neuromorphic Computing [41.66366715982197]
イベントベースシステムのシミュレーションに適したメムリスタの一般モデルを構築した。
既存のmemristorの汎用モデルをイベント駆動設定に拡張する。
本稿では,イベントベースモデルのパラメータをドリフトモデルに適合させる手法を示す。
論文 参考訳（メタデータ） (2024-06-14T13:17:19Z) - End-to-End Learning of Hybrid Inverse Dynamics Models for Precise and
Compliant Impedance Control [16.88250694156719]
剛体力学モデルの物理的に一貫した慣性パラメータを同定できる新しいハイブリッドモデルの定式化を提案する。
7自由度マニピュレータ上での最先端の逆動力学モデルに対する我々のアプローチを比較した。
論文 参考訳（メタデータ） (2022-05-27T07:39:28Z) - Cat states in a driven superfluid: role of signal shape and switching
protocol [62.997667081978825]
運動エネルギーをゼロ時間平均で振動させた1次元Bose-Hubbardモデルの挙動について検討する。
システムパラメータの変動に対して,この非従来的基底状態のロバスト性を分析する。
論文 参考訳（メタデータ） (2020-05-11T15:15:06Z)
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。