論文の概要: Learning Perceptive Platform Adaptive Locomotion Controllers for Quadrupedal Robots

• arxiv url: http://arxiv.org/abs/2606.25179v1
• Date: Tue, 23 Jun 2026 21:10:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-25 17:05:30.146437
• Title: Learning Perceptive Platform Adaptive Locomotion Controllers for Quadrupedal Robots
• Title（参考訳）: 四足歩行ロボットにおける知覚プラットフォーム適応ロコモーション制御器の学習
• Authors: David Rytz, Kim Tien Ly, Ioannis Havoutis,
• Abstract要約: 配置可能な四面体制御のための形態認識強化学習に知覚がどのように統合されるべきかを検討する。 我々は、盲点ベースライン、批判知覚的変種(MorAL+)、完全に知覚的アクター批判型(PPAL)を比較した。 その結果、批評家のみの知覚は、知覚ノイズ下での完全な知覚的ポリシーよりも安定しながら、ブラインドベースラインよりも頑健さと一貫性を向上することが示された。
• 参考スコア（独自算出の注目度）: 6.968766002877114
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Universal quadrupedal locomotion remains limited by the difficulty of integrating perception across diverse robot morphologies. State-of-the-art controllers rely on single-robot training or blind policies that omit real-time perception, leading to poor cross-embodiment generalization. Designing locomotion policies that remain robust across related quadruped morphologies while incorporating perception is challenging. Moreover, fully perceptive policies are often sensitive to noise, whereas blind controllers lack terrain awareness. In this work, we study how perception should be integrated into morphology-aware reinforcement learning architectures for deployable quadrupedal control. Building on MorAL, we train morphology-specialized universal controllers on multiple reference quadrupeds using adaptive terrain curricula. We compare a blind baseline, a critic-perceptive variant (MorAL+), and a fully perceptive actor-critic (PPAL). Policies are evaluated in simulation on flat and rough terrains, and deployed on ANYmal hardware. Results show that critic-only perception improves robustness and tracking consistency over blind baselines while remaining more stable than fully perceptive policies under perception noise. These findings highlight that perception placement and curriculum design are key factors for scalable, morphology-aware locomotion.
• Abstract（参考訳）: 普遍的な四足歩行は、多様なロボット形態の知覚を統合することの難しさによって制限されている。 最先端のコントローラーは、リアルタイムの認識を省略する単一ロボットの訓練やブラインドポリシーに依存しており、クロス・エボディメントの一般化は不十分である。 知覚を取り入れつつ、関連する4つの形態にまたがって頑健なロコモーションポリシーを設計することは困難である。 さらに、完全に知覚的なポリシーは騒音に敏感であることが多いが、視覚障害者は地形の認識を欠いている。 本研究では,四面体展開制御のための形態認識型強化学習アーキテクチャに知覚がどのように統合されるべきかを検討する。 Moralをベースとして、適応的な地形曲線を用いて、複数の参照四重項上の形態学特化ユニバーサルコントローラを訓練する。 盲点ベースライン,批判知覚的変種(MorAL+),完全に知覚的アクター批判型(PPAL)を比較した。 政策は平地や荒地でのシミュレーションで評価され、ANYmalハードウェア上に展開される。 その結果、批判のみの知覚は、知覚ノイズ下での完全な知覚的ポリシーよりも安定しながら、ブラインドベースラインよりも頑健さと一貫性を向上することが示された。 これらの知見は、知覚配置とカリキュラム設計が、スケーラブルで形態学的に認識された移動の鍵となる要素であることを示している。

関連論文リスト

• ManipArena: Comprehensive Real-world Evaluation of Reasoning-Oriented Generalist Robot Manipulation [66.02142169323521]
  Vision-Language-ActionモデルとWorld Modelは最近、汎用ロボットインテリジェンスのための有望なパラダイムとして登場した。 既存のベンチマークは、主にシミュレータ中心であり、制御性を提供するが、知覚ノイズによって引き起こされる現実のギャップを捉えることができない。 シミュレーションと実世界の実行を橋渡しする標準化された評価フレームワークであるManipArenaを紹介する。
  論文  参考訳（メタデータ） (2026-03-30T15:06:41Z)
• ULTRA: Unified Multimodal Control for Autonomous Humanoid Whole-Body Loco-Manipulation [55.467742403416175]
  本稿では,大規模モーションキャプチャをヒューマノイドに変換する物理駆動型ニューラルネットワークを提案する。 我々は高密度参照とスパースタスク仕様の両方をサポートする統合マルチモーダルコントローラを学習する。 その結果,ULTRAは自我中心の知覚から,自律的,目標条件付き全体ロコ操作に一般化することが示された。
  論文  参考訳（メタデータ） (2026-03-03T18:59:29Z)
• OmniTrack: General Motion Tracking via Physics-Consistent Reference [54.256312586493415]
  OmniTrackは、一般的なモーショントラッキングから物理的実現可能性を明確に分離する一般的なトラッキングフレームワークである。 実験により、OmniTrackは追跡精度を向上し、目に見えない動きに対して強力な一般化を示すことが示された。 実世界のテストでは、OmniTrackは、フリップやカートホイールのような複雑なアクロバティックな動きを含む、1時間の長さ、一貫性、安定したトラッキングを実現している。
  論文  参考訳（メタデータ） (2026-02-27T09:12:15Z)
• Gait-Adaptive Perceptive Humanoid Locomotion with Real-Time Under-Base Terrain Reconstruction [86.53248703859718]
  本研究では,地形認識,歩行制御,全身制御を一つの強化学習ポリシーにマージする知覚的移動フレームワークを提案する。 31-DoF、1.65mのヒューマノイドロボットによる実験は、シミュレーションと実世界の両方で堅牢な移動を実証している。
  論文  参考訳（メタデータ） (2025-12-08T11:42:41Z)
• No More Blind Spots: Learning Vision-Based Omnidirectional Bipedal Locomotion for Challenging Terrain [12.51464645002418]
  視覚に基づく全方向二足歩行のための学習フレームワークを提案する。 重要な課題は、シミュレーションにおいて一方向の深度画像をレンダリングする計算コストが高いことである。 本手法は、視覚に基づく生徒政策を監督する教師ポリシーと、頑健なブラインドコントローラを組み合わせる。
  論文  参考訳（メタデータ） (2025-08-16T06:20:46Z)
• 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)
• Learning Deep Sensorimotor Policies for Vision-based Autonomous Drone Racing [52.50284630866713]
  既存のシステムは、状態推定、計画、制御のために手作業によるコンポーネントを必要とすることが多い。 本稿では、深層感触者ポリシーを学習することで、視覚に基づく自律ドローンレース問題に取り組む。
  論文  参考訳（メタデータ） (2022-10-26T19:03:17Z)
• Vision-Guided Quadrupedal Locomotion in the Wild with Multi-Modal Delay Randomization [9.014518402531875]
  我々は、予め定義されたコントローラや参照動作を使わずに、物理シミュレータにおけるエンドツーエンド制御のためのRLポリシーを訓練する。 ロボットが高速でスムーズに動き、障害物を回避し、ベースラインよりも大幅に改善できることを実証する。
  論文  参考訳（メタデータ） (2021-09-29T16:48:05Z)
• Learning Perceptual Locomotion on Uneven Terrains using Sparse Visual Observations [75.60524561611008]
  この研究は、人中心の環境において、よく見られるバンプ、ランプ、階段の広い範囲にわたる知覚的移動を達成するために、スパースな視覚的観察の使用を活用することを目的としている。 まず、関心の均一な面を表すことのできる最小限の視覚入力を定式化し、このような外受容的・固有受容的データを統合した学習フレームワークを提案する。 本研究では, 平地を全方向歩行し, 障害物のある地形を前方移動させるタスクにおいて, 学習方針を検証し, 高い成功率を示す。
  論文  参考訳（メタデータ） (2021-09-28T20:25:10Z)

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。