論文の概要: StairMaster: Learning to Conquer Risky Hollow Stairs for Agile Quadrupedal Robots
- arxiv url: http://arxiv.org/abs/2606.25765v1
- Date: Wed, 24 Jun 2026 12:42:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-25 17:05:30.327982
- Title: StairMaster: Learning to Conquer Risky Hollow Stairs for Agile Quadrupedal Robots
- Title（参考訳）: StairMaster: アジャイル四足歩行ロボットのためのリスクの高いホローステアを学習する
- Abstract要約: StairMasterは、このような極端な地形で安定した不連続性のための3段階強化学習フレームワークである。
我々の知る限りでは、これは現実の環境で急な中空階段を登る最初のRLベースの政策である。
- 参考スコア（独自算出の注目度）: 19.76740501133231
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Climbing hollow stairs remains a challenging problem for quadruped robots due to the high risk of leg trapping, severe depth sparsity, and high-frequency depth-sensing noise. In this paper, we propose StairMaster, a novel three-stage reinforcement learning framework for stable locomotion on such extreme discontinuous terrains. Our architecture integrates a Cross-Attention mechanism to extract structural features from noisy depth data, alongside a Spatial-aware Recurrent Unit (SRU) that maintains robust spatio-temporal memory to mitigate perception blind spots. To bridge the sim-to-real gap in depth perception, we propose a high-fidelity sim-to-real depth sensor modeling pipeline that faithfully replicates real-world sensor artifacts. Additionally, we employ a 3D waypoint-guided active perception reward for proactive sensing, alongside hollow gap kinematic and stair edge penalties to ensure precise foothold placement. We successfully deployed StairMaster on a Unitree Go2 robot, demonstrating its ability to conquer hollow stairs with an unprecedented incline of up to 55$^\circ$ through zero-shot transfer. To the best of our knowledge, this is the first RL-based policy to achieve such steep hollow stair climbing in real-world environments. Project Website: https://sivan666666.github.io/StairMaster/.
- Abstract（参考訳）: 中空の階段を登ることは、脚トラップのリスクが高いこと、深い深度空間、高周波の深度感知ノイズのために、四足歩行ロボットにとって難しい問題である。
本稿では,このような不連続な地形上での安定な移動のための3段階強化学習フレームワークであるStairMasterを提案する。
我々のアーキテクチャは、ノイズの多い深度データから構造的特徴を抽出するクロスアテンション機構と、頑健な時空間記憶を維持できる空間認識リカレントユニット(SRU)を統合し、視覚盲点を緩和する。
深度知覚におけるsim-to-realギャップを埋めるため,実世界のセンサアーティファクトを忠実に再現する高忠実なsim-to-real深度センサモデリングパイプラインを提案する。
さらに, 3Dウェイポイント誘導能動感報酬を, 中空ギャップ運動と階段縁のペナルティと併用して, 正確な足場配置を確保する。
我々は、Unitree Go2ロボットにStairMasterを配置し、ゼロショット転送によって55ドル^\circ$という前例のないインラインで中空の階段を征服できることを実証した。
我々の知る限りでは、これは現実の環境でこのような急な中空階段を登る最初のRLベースの政策である。
プロジェクトWebサイト: https://sivan6666.github.io/StairMaster/.com
関連論文リスト
- LadderMan: Learning Humanoid Perceptive Ladder Climbing [56.550077812088404]
textbfLadderManは、ヒューマノイドロボットが多様なはしごを強く登ることができる統一システムである。
当社の登山ポリシーはスケーラブルな2段階学習パイプライン上に構築されており、複数の登山専門家を学習するためにハイブリッドモーショントラッキングを使用します。
さらに、デュアルエージェントの定式化を用いて個別の操作ポリシーを訓練し、遠隔操作による安定した on-ladder 操作を可能にする。
論文 参考訳（メタデータ） (2026-06-04T08:47:08Z) - Explicit Stair Geometry Conditioning for Robust Humanoid Locomotion [15.718523500563203]
本稿では,ロバストなヒューマノイド・ステアクライミングのための明示的な階段形状条件付けフレームワークを提案する。
地形を高次元の潜在特徴として符号化する代わりに,ステップ高さ,ステップ深さ,ロボットの進路に対するヨー角度など,解釈可能な幾何学的パラメータのコンパクトなセットを抽出する。
これらの明示的な階段パラメータは、PPO(Proximal Policy Optimization)に基づくロコモーションポリシーを直接条件とし、階段構造に応じてスイングフットクリアランスとストライド特性のプロアクティブな変調を可能にする。
論文 参考訳（メタデータ） (2026-05-11T03:47:24Z) - Training and Simulation of Quadrupedal Robot in Adaptive Stair Climbing for Indoor Firefighting: An End-to-End Reinforcement Learning Approach [4.901516178319544]
四足歩行ロボットは、屋内火災の初期段階において一次探索に使用される。
複雑な屋内環境における状況認識と 階段の急激な登頂が 主な課題です
このプロジェクトでは、ナビゲーションと移動のバランスと、四足歩行を異なる階段形状に適応させるエンドツーエンドのRL手法について検討する。
論文 参考訳（メタデータ） (2026-02-03T04:23:50Z) - RPL: Learning Robust Humanoid Perceptive Locomotion on Challenging Terrains [53.674116167774095]
本研究では,挑戦的な地形上での多方向移動を可能にする2段階トレーニングフレームワークを提案する。
RPLは、高度マップの観察を特権化した専門家のポリシーを訓練し、分離された移動と操作のスキルを習得する。
次に、複数の深度カメラを活用して広い視野をカバーできるトランスフォーマーポリシーを作成します。
スケーラブルな深度蒸留のために、動的ロボットメッシュと静的な地形メッシュの両方に対してレイキャストを行う効率的なマルチ深度システムを開発した。
論文 参考訳（メタデータ） (2026-02-03T02:17:08Z) - 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) - StairNetV3: Depth-aware Stair Modeling using Deep Learning [6.145334325463317]
視覚に基づく階段認識は、自律的な移動ロボットが階段を登るという課題に対処するのに役立つ。
現在の単眼視法では、深度情報なしで階段を正確にモデル化することは困難である。
本稿では,単眼視のための深度対応階段モデリング手法を提案する。
論文 参考訳（メタデータ） (2023-08-13T08:11:40Z) - Legged Locomotion in Challenging Terrains using Egocentric Vision [70.37554680771322]
本稿では,階段,縁石,石段,隙間を横断できる最初のエンドツーエンド移動システムを提案する。
この結果を,1台の前面深度カメラを用いた中型四足歩行ロボットに示す。
論文 参考訳（メタデータ） (2022-11-14T18:59:58Z) - Neural Scene Representation for Locomotion on Structured Terrain [56.48607865960868]
本研究では,都市環境を横断する移動ロボットの局所的な地形を再構築する学習手法を提案する。
搭載されたカメラとロボットの軌道からの深度測定のストリームを用いて、ロボットの近傍の地形を推定する。
ノイズ測定とカメラ配置の盲点からの大量の欠落データにもかかわらず,シーンを忠実に再構築する3次元再構成モデルを提案する。
論文 参考訳（メタデータ） (2022-06-16T10:45:17Z) - Deep Leaning-Based Ultra-Fast Stair Detection [6.362951673024623]
深層学習に基づく階段線検出のためのエンドツーエンド手法を提案する。
実験では,速度と精度の両面で高い性能が得られる。
軽量版は、同じ解像度で毎秒300フレーム以上を達成できる。
論文 参考訳（メタデータ） (2022-01-14T02:05:01Z) - Coupling Vision and Proprioception for Navigation of Legged Robots [65.59559699815512]
我々は視覚と受容の相補的な強みを利用して、脚のあるロボットでポイントゴールナビゲーションを実現する。
車輪付きロボット(LoCoBot)のベースラインよりも優れた性能を示す。
また,センサーと計算能力を備えた四足歩行ロボットに,我々のシステムを実環境に展開することも示す。
論文 参考訳（メタデータ） (2021-12-03T18:59:59Z)
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。