論文の概要: Energy-Efficient Arm Reaching for a Humanoid Robot via Deep Reinforcement Learning with Identified Power Models
- arxiv url: http://arxiv.org/abs/2606.15918v1
- Date: Sun, 14 Jun 2026 16:46:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-16 16:21:33.941188
- Title: Energy-Efficient Arm Reaching for a Humanoid Robot via Deep Reinforcement Learning with Identified Power Models
- Title（参考訳）: パワーモデルを用いた深部強化学習によるヒューマノイドロボットのエネルギー効率向上アームリーチ
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 44.9566685062534
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Humanoid robots performing in-field manipulation tasks, such as robotic apple harvesting, face severe energy constraints that directly limit the number of reaching motions that can be executed per battery charge. This paper presents an end-to-end, energy-aware reinforcement learning framework for the 7-degree-of-freedom left arm of the Unitree~G1 humanoid robot, combining a physics-based, experimentally identified electrical power model with a Soft Actor-Critic (SAC) policy trained in a Pinocchio-based rigid-body dynamics simulator. The RL policy operates on an incremental joint-position action space and is trained with a Hybrid Constellation Reward that combines a four-point end-effector constellation distance with a torque-norm energy proxy; after % $5\times10^6$ training it reaches a $69.9\%$ success rate over $1\,000$ random targets in kinematic simulation, at a mean energy of \SI{98.16}{\joule} on successful episodes. Finally, on the physical Unitree~G1, the policy is validated over three independent 10-target batches, achieving a mean energy of $71.5 \pm 48.3$\,J, an end-effector position error of $2.64 \pm 1.04$\,cm, and an orientation error of $6.92 \pm 1.33^\circ$ -- within the \SI{4}{\centi\metre}/$8.6^\circ$ training tolerance. These results constitute a first step toward energy-aware reinforcement-learning-based arm reaching for humanoid robots.
- Abstract（参考訳）: ロボットリンゴ収穫などのフィールド操作を行うヒューマノイドロボットは、バッテリ充電毎に実行できる到達運動の数を直接制限する厳しいエネルギー制約に直面している。
本稿では,Unitree~G1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・エンドなエネルギー対応強化学習フレームワークについて,物理ベースで実験的に同定された電力モデルと,ピノッキオをベースとした剛体力学シミュレータで訓練されたソフトアクター・クライブ(SAC)ポリシーを組み合わせる。
RLポリシーはインクリメンタルな共同配置のアクションスペースで動作し、4点のエンドエフェクターコンステレーション距離とトルクノームエネルギープロキシを組み合わせたハイブリッド・コンステレーション・リワードでトレーニングされている。
最後に、物理Unitree~G1上で、ポリシーは3つの独立した10ターゲットバッチで検証され、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 1.33^\circ$ -- \SI{4}{\centi\metre}/$8.6^\circ$のトレーニング耐性が得られる。
これらの結果は、ヒューマノイドロボットのためのエネルギーを意識した強化学習に基づくアームリーチに向けた第一歩となる。
関連論文リスト
- GigaBrain-WBC-0.5: A Behavior World Model for Robust Whole-Body Control with Environment Interaction [68.67772166423812]
ヒューマノイド全身制御のための行動世界モデル(BWM)であるGigaBrain-WBC-0.5を提案する。
純粋にリアクティブなトラッカーではなく、因果トランスフォーマーをトレーニングして、次のアクション、次の状態、次の潜伏動作コマンドに対する分布を共同で予測します。
自動地形アノテーションパイプラインは、再ターゲティングされた動きから完全な3D接触形状を復元し、既存の動きデータセットのスケールでの地形アノテートを可能にする。
論文 参考訳（メタデータ） (2026-08-18T18:21:36Z) - NeuralActuator: Neural Actuation Modeling for Robot Dynamics and External Force Perception [32.4225008514158]
微分シミュレータは、ロボットタスクを横断する高度なポリシー学習とモデルベース制御を持つ。
低コストサーボプラットフォーム上での軌道伝搬のためのトルクサロゲートを共同で予測するニューラルアクチュエータを提案する。
プレトレーニングモジュールとしてNeuralActuatorを用いて,運動条件推定と行動閉鎖性能の向上を実証した。
論文 参考訳（メタデータ） (2026-07-13T15:58:34Z) - Do Rigid-Body Simulators Dream of Soft Robots? Learning Contact-Rich Manipulation for Tendon-Driven Continuum Robots [4.338766069286991]
我々は, 連続体-機械的インフォームド離散化を導出することにより, 腱駆動型連続体ロボットのギャップを埋める。
これは、連続体ロボットによる接触リッチな操作のためのsim-to-real転送の最初のデモンストレーションである。
論文 参考訳（メタデータ） (2026-06-21T09:02:53Z) - DataLadder: A Simulation-Enabled Interconversion Toolchain for the Embodied Data Pyramid [63.45560198934907]
ジェネラリストロボットポリシーは、信頼できる評価とロボット使用可能なトレーニングデータを必要とする。
本稿では,人間ロボットによるモデル評価とデータ生成のためのシミュレーション可能な変換ツールチェーンであるDataLadderを提案する。
JD Cloud上のクラウドサービスとして、コア再構築、シミュレーション、レンダリング、リアリズム拡張モジュールをパッケージ化します。
論文 参考訳（メタデータ） (2026-06-15T14:21:35Z) - Data-Driven Autoregressive Power Prediction for GTernal Robots in the Robotarium [0.0]
マルチロボットシステムのためのエネルギー認識アルゴリズムは、正確な消費電力モデルを必要とする。
ジョージア工科大学ロボット館に配備されたGTernalモバイルロボットプラットフォームに対して,軽量な自己回帰予測器を提案する。
論文 参考訳（メタデータ） (2026-03-14T11:43:42Z) - EasyMimic: A Low-Cost Framework for Robot Imitation Learning from Human Videos [51.158081196253626]
EasyMimicは、人間のビデオデモからロボットが操作ポリシーを学習することを可能にするフレームワークである。
本手法は,まずビデオから手指の3次元軌跡を抽出する。
アクションアライメントモジュールは、これらの軌道を低コストロボットのグリップ制御空間にマッピングする。
論文 参考訳（メタデータ） (2026-02-12T00:41:01Z) - 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) - FLARE: Robot Learning with Implicit World Modeling [87.81846091038676]
$textbfFLARE$は、予測潜在世界モデリングをロボットポリシー学習に統合する。
$textbfFLARE$は最先端のパフォーマンスを実現し、これまでのポリシー学習のベースラインを最大26%上回っている。
この結果は、暗黙の世界モデリングと高周波ロボット制御を組み合わせた汎用的でスケーラブルなアプローチとして$textbfFLARE$を確立した。
論文 参考訳（メタデータ） (2025-05-21T15:33:27Z) - ManyQuadrupeds: Learning a Single Locomotion Policy for Diverse
Quadruped Robots [4.557963624437784]
動物運動制御からインスピレーションを得ることにより、四足歩行ロボットの1つの移動方針を効果的に訓練できることを示す。
我々の方針は脊髄の中央パターン生成器(CPG)の表現を調節する。
我々は,A1ロボットの名目質量の125%に相当する15kgの負荷を付加しても,頑健な性能を観察する。
論文 参考訳（メタデータ） (2023-10-16T15:06:16Z) - Learning Bipedal Walking for Humanoids with Current Feedback [5.429166905724048]
アクチュエータレベルでの不正確なトルクトラッキングから生じるヒューマノイドロボットのシム2リアルギャップ問題を克服するためのアプローチを提案する。
提案手法は、実際のHRP-5Pヒューマノイドロボットに展開して二足歩行を実現するシミュレーションにおいて、一貫したエンドツーエンドのポリシーをトレーニングする。
論文 参考訳（メタデータ） (2023-03-07T08:16:46Z) - REvolveR: Continuous Evolutionary Models for Robot-to-robot Policy
Transfer [57.045140028275036]
本研究では,運動学や形態学など,異なるパラメータを持つ2つの異なるロボット間でポリシーを伝達する問題を考察する。
模倣学習手法を含む動作や状態遷移の分布を一致させることで、新しいポリシーを訓練する既存のアプローチは、最適な動作や/または状態分布が異なるロボットでミスマッチしているために失敗する。
本稿では,物理シミュレータに実装されたロボット政策伝達に連続的進化モデルを用いることで,$RevolveR$という新しい手法を提案する。
論文 参考訳（メタデータ） (2022-02-10T18:50:25Z)
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。