論文の概要: Simulating Robotic Locomotion in Sand: Resistive Force Theory in an Open-Source Physics Engine
- arxiv url: http://arxiv.org/abs/2606.19504v1
- Date: Wed, 17 Jun 2026 18:41:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-19 18:23:39.490107
- Title: Simulating Robotic Locomotion in Sand: Resistive Force Theory in an Open-Source Physics Engine
- Title（参考訳）: 砂中のロボット移動のシミュレーション:オープンソースの物理エンジンにおける抵抗力理論
- Authors: Ryan Walker Brown, Laura K. Treers, Kathryn A. Daltorio,
- Abstract要約: 物理シミュレーションエンジン MuJoCo に 3D 粒界抵抗力理論 (3D RFT) を実装した。
複数のシナリオでシミュレーションを検証し、エンドエフェクタ形状、速度、負荷による重要なトレンドが保存されていることを示す。
実験では,12自由度ヘキサポッドロボットの歩行距離と足底沈下を,砂中の20%以内で予測した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recent advancements in Resistive Force Theory (RFT) enable approximation of ground reaction forces for locomotion in sand without the computational expense of modeling interactions with individual grains. However, these tools have been absent in 3D physics engines commonly used for robot simulation. We explore if resistive force approximations are sufficient, when integrated with standard dynamics calculations, to provide a stable substrate for a freely walking robot. To determine this, we implement 3D Granular Resistive Force Theory (3D RFT) in a physics simulation engine, MuJoCo. We verify simulations in multiple scenarios to demonstrate that key trends due to end effector shape, speed, and loading are preserved. Our implementation predicts walking distance and foot sinkage of a 12-Degree of Freedom hexapod robot within 20\% of experiments in sand. While RFT has inherent approximations, the open source tool described here has potential to help develop new and improved robot designs to traverse granular media substrates.
- Abstract（参考訳）: 比抵抗力理論(RFT)の最近の進歩は、個々の粒子との相互作用をモデル化するための計算コストを伴わずに、砂中の移動のための地上反応力の近似を可能にする。
しかし、これらのツールはロボットシミュレーションによく使われる3D物理エンジンには欠落している。
抵抗力近似が標準動力学計算と組み合わさって、自由歩行ロボットのための安定な基板を提供するのに十分かどうかを考察する。
そこで我々は物理シミュレーションエンジン MuJoCo に 3D 粒界抵抗力理論 (3D RFT) を実装した。
複数のシナリオでシミュレーションを検証し、エンドエフェクタ形状、速度、負荷による重要なトレンドが保存されていることを示す。
実験では,12自由度ヘキサポッドロボットの歩行距離と足底沈下を砂中の20倍の範囲で予測した。
RFTには固有の近似があるが、このオープンソースのツールは、粒状メディア基板を横断する新しい改良されたロボットの設計を支援する可能性がある。
関連論文リスト
- OASIS: From Simulation Data Collection to Real-World Humanoid Loco-Manipulation [51.37436817948304]
OASISはヒューマノイドのロコ操作のためのシミュレーションデータ駆動のフレームワークである。
3次元生成モデルを用いて実世界の画像から現実的なオブジェクト資産を再構築する。
ゼロショットデプロイメントでは、実際のロボット遠隔操作データでトレーニングされたタスクよりも、ほとんどのタスクで高い成功率を達成する。
論文 参考訳（メタデータ） (2026-06-07T10:01:53Z) - HSImul3R: Physics-in-the-Loop Reconstruction of Simulation-Ready Human-Scene Interactions [69.43316445143408]
HSImul3Rはヒトとシーンの相互作用をシミュレーション可能な3次元再構成のための統合フレームワークである。
既存の手法は知覚とシミュレーションのギャップに悩まされており、物理エンジンの不安定性と、具体化されたAIアプリケーションの失敗につながっている。
論文 参考訳（メタデータ） (2026-03-16T17:58:33Z) - Tendon Force Modeling for Sim2Real Transfer of Reinforcement Learning Policies for Tendon-Driven Robots [4.374417345150659]
本稿では,典型的なサーボモータの腱力をモデル化する手法を提案する。
次に,GPUによる力駆動型剛体シミュレーションにおいて,我々の力推定モデルを用いてRL制御系を訓練する。
我々のモデルは最大運動力の3%以内の腱力を予測でき、ロボットに依存しない。
論文 参考訳（メタデータ） (2026-03-04T18:16:58Z) - Physics-informed Ground Reaction Dynamics from Human Motion Capture [4.4795626402834055]
本研究では,モーションキャプチャーデータから直接人体反応動態を推定する新しい手法を提案する。
我々は,Eulerの積分法とPDアルゴリズムを用いて,モーションキャプチャーデータから地上反応力を計算するための高精度で堅牢な手法を提案する。
提案手法は GroundLink データセット上でテストされた。
論文 参考訳（メタデータ） (2025-07-02T04:02:16Z) - Hybrid Neural-MPM for Interactive Fluid Simulations in Real-Time [57.30651532625017]
本稿では,数値シミュレーション,神経物理,生成制御を統合した新しいハイブリッド手法を提案する。
本システムでは, 多様な2D/3Dシナリオ, 材料タイプ, 障害物相互作用における堅牢な性能を示す。
受け入れ次第、モデルとデータの両方をリリースすることを約束します。
論文 参考訳（メタデータ） (2025-05-25T01:27:18Z) - Unreal Robotics Lab: A High-Fidelity Robotics Simulator with Advanced Physics and Rendering [4.760567755149477]
本稿では,Unreal Engineの高度なレンダリング機能とMuJoCoの高精度物理シミュレーションを統合する新しいシミュレーションフレームワークを提案する。
我々のアプローチは、正確な物理的相互作用を維持しながら、現実的なロボット知覚を可能にする。
フレームワーク内のビジュアルナビゲーションとSLAMメソッドをベンチマークし、制御されながら多様なシナリオで実世界のロバスト性をテストするための実用性を実証する。
論文 参考訳（メタデータ） (2025-04-19T01:54:45Z) - DSO: Aligning 3D Generators with Simulation Feedback for Physical Soundness [79.4785166021062]
ほとんどの3Dオブジェクトジェネレータは審美的品質を優先し、実際的な用途に必要な物理的な制約を無視している。
安定な3Dオブジェクトを生成するための従来のアプローチは、テスト時に幾何を最適化するために微分可能な物理シミュレータに頼っていた。
このフレームワークは、(微分不可能な)シミュレータからのフィードバックを活用し、3Dジェネレータが安定な3Dオブジェクトを直接出力する可能性を高める。
論文 参考訳（メタデータ） (2025-03-28T17:59:53Z) - Learning to enhance multi-legged robot on rugged landscapes [7.956679144631909]
多足ロボットは、頑丈な風景をナビゲートするための有望なソリューションを提供する。
近年の研究では、線形制御器が挑戦的な地形上で信頼性の高い移動性を確保することが示されている。
我々は,このロボットプラットフォームに適した MuJoCo ベースのシミュレータを開発し,シミュレーションを用いて強化学習に基づく制御フレームワークを開発する。
論文 参考訳（メタデータ） (2024-09-14T15:53:08Z) - DiffuseBot: Breeding Soft Robots With Physics-Augmented Generative
Diffusion Models [102.13968267347553]
本稿では,様々なタスクにおいて優れたソフトロボット形態を生成する物理拡張拡散モデルであるDiffuseBotを提案する。
我々は、その能力とともに、シミュレーションされた、そして製造された様々なロボットを紹介します。
論文 参考訳（メタデータ） (2023-11-28T18:58:48Z) - 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) - Imitation Learning for Autonomous Trajectory Learning of Robot Arms in
Space [13.64392246529041]
実演や模倣学習によるプログラミングの概念は、小型宇宙船に搭載されたマニピュレータの軌道計画に使用される。
7自由度(DoF)を持つロボットアームは、将来の宇宙ミッションにおける自律性の向上と地上制御による人間の介入の最小化のために、デブリ除去、軌道上サービス、組み立てといった複数のタスクを実行するために構想されている。
論文 参考訳（メタデータ） (2020-08-10T10:18:04Z)
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。