論文の概要: SurGE: Surrogate Gradient-guided Evolution for Co-design of Legged Robots with Parallel Elasticity

• arxiv url: http://arxiv.org/abs/2606.21866v1
• Date: Sat, 20 Jun 2026 04:09:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-26 02:36:30.232869
• Title: SurGE: Surrogate Gradient-guided Evolution for Co-design of Legged Robots with Parallel Elasticity
• Title（参考訳）: SurGE: 平行弾力性を持つレッグロボットの共設計のためのサロゲートグラディエント誘導進化
• Authors: Yulun Zhuang, Yue Qin, Justin Lu, Zelin Shen, Yichen Wang, Sicheng He, Yanran Ding,
• Abstract要約: SurGEは、設計目的のサロゲート勾配を微分可能なパイプラインで計算するフレームワークである。 ホッピングロボットの4-DOF設計空間において、SurGEは交雑種標準偏差を6倍低くし、人口密度を18%高めている。 2Dデザインのサブスペースにおけるハードウェア実験は、手動で設計した初期設計から始まり、SurGEが設計目標を37.65%減らすことを示した。
• 参考スコア（独自算出の注目度）: 8.546098439892065
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Co-design of legged robots with elastic elements is challenging due to the non-differentiability of contact dynamics and mechanism engagement. This paper presents SurGE, a framework that computes surrogate gradients of the design objective through a differentiable pipeline consisting of a kinodynamic single-rigid-body (Kino-SRB) model and a design-aware control policy, and injects them into CMA-ES via mean shift with cosine-annealed step decay. On a 4-DOF design space of a hopping robot with unidirectional parallel spring, SurGE achieves 6 times lower cross-seed standard deviation and 18% tighter population concentration compared to vanilla CMA-ES, while matching or improving the best objective. Hardware experiments on a 2D design subspace show that, starting from a hand-tuned initial design, SurGE reduces the design objective by 37.65% on hardware, with the improvement trend identified in simulation transferring consistently to the physical system. SurGE provides the potential to accelerate non-differentiable co-design problems in legged robots via surrogate model gradients.
• Abstract（参考訳）: 接触力学と機構エンゲージメントの非微分性のため、弾性要素を持つ脚付きロボットの共設計は困難である。 本稿では,キノダイナミック・シングルリグッド・ボディ(Kino-SRB)モデルと設計対応制御ポリシからなる可変パイプラインを用いて,設計対象のサロゲート勾配を計算し,コサインアニールによるステップ崩壊による平均シフトによりCMA-ESに注入するフレームワークであるSurGEを提案する。 一方向平行ばねを持つホッピングロボットの4-DOF設計空間において、SurGEはバニラCMA-ESよりも6倍低いクロスシード標準偏差と18%の人口集中を達成し、最適な目標を一致または改善した。 2Dデザインのサブスペースにおけるハードウェア実験では、手作業による初期設計から、SurGEは設計目標をハードウェア上で37.65%削減する。 SurGEは、サロゲートモデル勾配を介して脚付きロボットの非微分可能共設計問題を加速する可能性を提供する。

関連論文リスト

• EUPHORIA: Efficient Universal Planning via Hybrid Optimization for Robust Industrial Robotic Assembly [12.727917085274841]
  EUPHORIAは統一されたフレームワークであり、普遍的な少数ショット適応性と動的効率を実現する。 構造的推論のために,ソフトアクタ・クリティカルを用いて訓練した物理インフォームドグラフ変換器を導入する。 実験により、EUPHORIAは分離されたベースライン上でのエネルギー消費を著しく減少させることが示された。
  論文  参考訳（メタデータ） (2026-05-15T18:25:49Z)
• Dynamic Modeling and Robust Gait Optimization of a Compliant Worm Robot [6.048766517808481]
  本稿では,共振管を走行可能なロボットのモデリングと最適化の枠組みを実験的に検討する。 平均出力を最小化しながら平均速度を最大化する多目的歩行最適化問題を定式化する。 その結果,提案手法はロボットの移動とエネルギー消費の優位性を捉えていることがわかった。
  論文  参考訳（メタデータ） (2026-04-13T20:20:03Z)
• LEGO: Latent-space Exploration for Geometry-aware Optimization of Humanoid Kinematic Design [15.675250550243925]
  モーションデザインの協調最適化は自動化に向けた有望な道のりを提供するが、 (i) 巨大で非構造的な設計空間と (ii) タスク固有の損失関数を構築することの難しさの2つの大きな課題が残っている。 本研究では, 既存の機械設計からデザイン検索空間を学習し, 人間の動作データから直接損失を定義することにより, 人間の関与を最小限に抑える新しいパラダイムを提案する。 提案手法は,データ駆動型ロボット設計の原則的枠組みを確立し,既存の設計と人間の動作を活用することで,新しいロボット設計の自動発見を効果的に導くことを実証する。
  論文  参考訳（メタデータ） (2026-04-09T17:06:50Z)
• Generalized Task-Driven Design of Soft Robots via Reduced-Order FEM-based Surrogate Modeling [8.36237361666539]
  本稿では,タスク駆動型ソフトロボット設計のための一元化有限要素法(FEM)に基づく代理モデリングパイプラインを提案する。 高忠実FEMシミュレーションは、コンパクトなサロゲート継手モデルを構築するモジュラーレベルでのアクチュエータの挙動を特徴付ける。 メタモデルがアクチュエータ設計パラメータを代理表現にマップし、パラメータ化アクチュエータファミリ間の迅速なインスタンス化を可能にする。
  論文  参考訳（メタデータ） (2026-03-20T09:33:09Z)
• A Unified Low-Dimensional Design Embedding for Joint Optimization of Shape, Material, and Actuation in Soft Robots [4.829343342713712]
  形状変形,多材料分布,アクチュエータを統一したソフトロボットのためのスムーズで低次元な設計埋め込みを提案する。 実験では、ニューラルネットワークの符号化と異なり、基礎関数の数に応じて設計が増加することを示す。 さらに, 一体型埋め込みによる形状, 材料, アクティベーションの協調最適化は, 逐次戦略を一貫して上回ることを示す。
  論文  参考訳（メタデータ） (2026-03-06T17:33:32Z)
• EmboCoach-Bench: Benchmarking AI Agents on Developing Embodied Robots [68.29056647487519]
  Embodied AIは、高忠実度シミュレーションと大規模データ収集によって実現されている。 しかし、このスケーリング能力は、労働集約的な手作業の監視に依存しているため、いまだにボトルネックになっている。 実装ポリシーを自律的に構築するための LLM エージェントの能力を評価するベンチマークである textscEmboCoach-Bench を紹介する。
  論文  参考訳（メタデータ） (2026-01-29T11:33:49Z)
• Toward Humanoid Brain-Body Co-design: Joint Optimization of Control and Morphology for Fall Recovery [55.951691393378354]
  フォールリカバリのためのスケーラブルなヒューマノイド共同設計フレームワークであるRoboCraftを提案する。 複数の設計にまたがって事前訓練された共有ポリシーは、ハイパフォーマンスな形態に対して徐々に微調整される。 実験の結果、RoboCraftは7つの公用ヒューマノイドロボットで平均44.55%のパフォーマンス向上を達成した。
  論文  参考訳（メタデータ） (2025-10-25T15:40:18Z)
• Efficient Design of Compliant Mechanisms Using Multi-Objective Optimization [50.24983453990065]
  そこで本研究では,大きな角状脳卒中を許容できる適合型クロスヒンジ機構の合成について述べる。 キネトスタティックな性能測定に基づいて,多目的最適化問題を定式化する。
  論文  参考訳（メタデータ） (2025-04-23T06:29:10Z)
• PearSAN: A Machine Learning Method for Inverse Design using Pearson Correlated Surrogate Annealing [66.27103948750306]
  PearSANは、大きな設計空間を持つ逆設計問題に適用可能な機械学習支援最適化アルゴリズムである。 ピアソン相関代理モデルを用いて、真の設計計量のメリットの図形を予測する。 最先端の最大設計効率は97%で、少なくとも以前の方法よりも桁違いに高速である。
  論文  参考訳（メタデータ） (2024-12-26T17:02:19Z)
• Compositional Generative Inverse Design [69.22782875567547]
  入力変数を設計して目的関数を最適化する逆設計は重要な問題である。 拡散モデルにより得られた学習エネルギー関数を最適化することにより、そのような逆例を避けることができることを示す。 N-body 相互作用タスクと2次元多面体設計タスクにおいて,実験時に学習した拡散モデルを構成することにより,初期状態と境界形状を設計できることを示す。
  論文  参考訳（メタデータ） (2024-01-24T01:33:39Z)

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。