論文の概要: Reinforcement Learning-Based Control for an Inline Skating Humanoid Robot

• arxiv url: http://arxiv.org/abs/2606.31807v1
• Date: Tue, 30 Jun 2026 15:25:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-01 18:27:19.282706
• Title: Reinforcement Learning-Based Control for an Inline Skating Humanoid Robot
• Title（参考訳）: インラインスケートヒューマノイドロボットの強化学習に基づく制御
• Abstract要約: 我々は,従来の足の代わりにインラインスケートを装備するように改造されたヒューマノイドロボットの新たな移動戦略を実現するための強化学習制御ポリシを訓練し,展開する。 私たちのスケート戦略は、人間のモーションデータ、模倣学習、またはキネマティック先行に頼らずに、報酬構造から完全に現れます。 我々の政策は、通常の歩行歩行よりも輸送コストが50%削減されることを実証している。
• 参考スコア（独自算出の注目度）: 10.006591553493807
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: As humanoid robots become increasingly dynamic, coupling them with reinforcement learning offers a promising approach to solving the complex, underactuated mechanics of passive inline skating. Equipping a humanoid robot with passive inline skating wheels presents an opportunity to combine the versatile agility of humanoids with the high-speed, energy-efficient locomotion strategies utilized by human skaters. In this paper, we train and deploy a reinforcement learning control policy that enables novel locomotion strategies for a humanoid robot modified to equip consumer inline skates instead of conventional feet. Unlike previous work limited to quadrupedal robots or actively driven wheels, our system allows for precise 6-DoF control of the skates to execute dynamic, edge-driven propulsion strategies. Our skating strategies emerge entirely from our reward structure, without reliance on human motion data, imitation learning, or kinematic priors. We overcome the inherent instability of passive wheels and simulation contact artifacts by utilizing different geometric wheel models (spherical and ellipsoidal) during training and validation, along with a custom success-based command curriculum and a specialized rolling reward. Consequently, our policy demonstrates up to a 50% reduction in Cost of Transport (CoT) compared to standard walking gaits. The resulting policy successfully transfers zero-shot to the physical Booster T1 hardware. Real-world deployments demonstrate dynamic balance, the ability to reject active physical perturbations, and agile locomotion strategies capable of turning at speed. A video of our results can be found at https://www.youtube.com/watch?v=-_APcOS7uFo.
• Abstract（参考訳）: ヒューマノイドロボットがますますダイナミックになるにつれて、強化学習と組み合わせることで、受動インラインスケートの複雑で不安定なメカニズムを解くための、有望なアプローチを提供する。 人型ロボットに受動インラインスケートホイールを装着すると、ヒューマノイドの多目的機敏性と、人間のスケーターが利用する高速でエネルギー効率の良い移動戦略を組み合わせる機会が得られる。 本稿では,従来の足の代わりにインラインスケートを装備するように改造されたヒューマノイドロボットの新たな移動戦略を実現するための強化学習制御ポリシを訓練し,展開する。 従来の四足歩行ロボットや活発に駆動する車輪に限った作業とは異なり、我々のシステムはスケートを正確に6-DoFで制御し、ダイナミックでエッジ駆動の推進戦略を実行することができる。 私たちのスケート戦略は、人間のモーションデータ、模倣学習、またはキネマティック先行に頼らずに、報酬構造から完全に現れます。 トレーニングおよび検証中に異なる幾何ホイールモデル(球形および楕円形)と、カスタムの成功に基づくコマンドカリキュラムと特別なローリング報酬を利用することで、受動ホイールとシミュレーション接触アーティファクトの本質的な不安定性を克服する。 その結果,通常の歩行歩行よりも輸送コスト(CoT)が50%削減された。 その結果、ゼロショットを物理的ブースターT1ハードウェアに転送することに成功した。 現実のデプロイメントでは、ダイナミックなバランス、アクティブな物理的摂動を拒否する能力、高速に回転可能なアジャイルロコモーション戦略が示されています。 結果のビデオはhttps://www.youtube.com/watch? v=-_APcOS7uFo。

関連論文リスト

• KYON: Semi-Modular Wheel-Legged Quadruped With Agile Bimanual Capability [3.041420062518373]
  KYON (KYON) は、ロコ操作用の上半身を持つ四足歩行ロボットである。 プラットフォームは半モジュラーデザインで、構成変更可能な下肢を備えており、環境に応じて車輪と脚の移動が可能である。
  論文  参考訳（メタデータ） (2026-06-29T12:54:09Z)
• Perceptive Humanoid Parkour: Chaining Dynamic Human Skills via Motion Matching [77.28042137892943]
  本稿では,人間型ロボットの長期的視覚的パーキングを自律的に行うためのモジュール型フレームワークであるPerceptive Humanoid Parkour(PHP)を提案する。 本研究は、これらの合成動作に対する運動追跡強化学習専門家の政策を訓練し、それらを深度に基づく多スキル学生政策に抽出する。 我々は,Unitree G1ヒューマノイドロボットを用いた実世界実験により,我々のフレームワークを検証した。
  論文  参考訳（メタデータ） (2026-02-17T18:59:11Z)
• HUSKY: Humanoid Skateboarding System via Physics-Aware Whole-Body Control [67.58927286226925]
  本稿では,ヒューマノイド・スケータボードシステムモデリングと物理を意識した全身制御を統合した学習ベースのフレームワークを提案する。 Unitree G1のヒューマノイドプラットフォームでの実験では、現実のシナリオにおいて、私たちのフレームワークがスケートボード上で安定的でアジャイルな操作を可能にすることが示されています。
  論文  参考訳（メタデータ） (2026-02-03T07:18:01Z)
• SKATER: Synthesized Kinematics for Advanced Traversing Efficiency on a Humanoid Robot via Roller Skate Swizzles [9.525815316903754]
  本研究では,ローラースケート用の4輪の受動車輪を脚に備えた新しいヒューマノイドロボットを提案する。 また, ローラースケートの内在特性に基づいて, 報奨関数を設計したシュリップルゲイトに対して, 深部強化学習制御フレームワークを開発した。
  論文  参考訳（メタデータ） (2026-01-08T13:54:22Z)
• Humanoid Whole-Body Locomotion on Narrow Terrain via Dynamic Balance and Reinforcement Learning [54.26816599309778]
  動的バランスと強化学習(RL)に基づく新しい全身移動アルゴリズムを提案する。 具体的には,ZMP(Zero-Moment Point)駆動の報酬とタスク駆動の報酬を,全身のアクター批判的枠組みで拡張した尺度を活用することで,動的バランス機構を導入する。 フルサイズのUnitree H1-2ロボットによる実験により、非常に狭い地形でのバランスを維持するための手法の有効性が検証された。
  論文  参考訳（メタデータ） (2025-02-24T14:53:45Z)
• Reinforcement Learning for Versatile, Dynamic, and Robust Bipedal Locomotion Control [106.32794844077534]
  本稿では,二足歩行ロボットのための動的移動制御系を構築するために,深層強化学習を用いた研究について述べる。 本研究では、周期歩行やランニングから周期ジャンプや立位に至るまで、様々な動的二足歩行技術に使用できる汎用的な制御ソリューションを開発する。 この研究は、二足歩行ロボットの俊敏性の限界を、現実世界での広範な実験を通じて押し上げる。
  論文  参考訳（メタデータ） (2024-01-30T10:48:43Z)
• Barkour: Benchmarking Animal-level Agility with Quadruped Robots [70.97471756305463]
  脚付きロボットのアジリティを定量化するための障害物コースであるBarkourベンチマークを導入する。 犬の機敏性の競争に触発され、様々な障害と時間に基づくスコアリング機構から構成される。 ベンチマークに対処する2つの方法を提案する。
  論文  参考訳（メタデータ） (2023-05-24T02:49:43Z)
• Learning Agile Soccer Skills for a Bipedal Robot with Deep Reinforcement Learning [26.13655448415553]
  Deep Reinforcement Learning (Deep RL)は、低コストでミニチュアなヒューマノイドロボットのための洗練された安全な運動スキルを合成することができる。 我々はDeep RLを使って、20個の関節を持つヒューマノイドロボットを訓練し、1対1(1v1)のサッカーゲームを単純化した。 結果として得られるエージェントは、急激な転倒回復、歩行、回転、蹴りなど、堅牢でダイナミックな動きのスキルを示す。
  論文  参考訳（メタデータ） (2023-04-26T16:25:54Z)
• Creating a Dynamic Quadrupedal Robotic Goalkeeper with Reinforcement Learning [18.873152528330063]
  本稿では,4足歩行ロボットが実世界でサッカーのゴールキーピングタスクを実行できる強化学習(RL)フレームワークを提案する。 四足歩行を用いたサッカーのゴールキーピングは難しい問題であり、非常にダイナミックな移動と、正確で高速な非包括的(ボール)操作を組み合わせたものである。 提案するフレームワークをMini Cheetah四脚ロボットにデプロイし,実世界における高速移動球のアジャイルインターセプションにおけるフレームワークの有効性を実証する。
  論文  参考訳（メタデータ） (2022-10-10T04:54:55Z)
• Learning Agile Robotic Locomotion Skills by Imitating Animals [72.36395376558984]
  動物の多様でアジャイルな運動スキルを再現することは、ロボット工学における長年の課題である。 そこで本研究では,現実世界の動物を模倣することで,足のロボットがアジャイルな運動能力を学ぶことができる模倣学習システムを提案する。
  論文  参考訳（メタデータ） (2020-04-02T02:56:16Z)

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。