論文の概要: Ace! Motion Planning of Professional-Level Table Tennis Serves with a Robot Arm

• arxiv url: http://arxiv.org/abs/2607.06989v1
• Date: Wed, 08 Jul 2026 04:23:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-09 22:50:30.281535
• Title: Ace! Motion Planning of Professional-Level Table Tennis Serves with a Robot Arm
• Title（参考訳）: ロボットアームを用いたプロレベルテニス選手の動作計画
• Authors: Guillem Torrente, Guilherme Jorge Maeda, Divij Grover, Megumu Tsukamoto, Hamdi Sahloul, Peter Dürr,
• Abstract要約: 本稿では,動作プリミティブ,モデル予測制御,ベイズ最適化を組み合わせた公式なルール準拠サービスを生成する新しい手法を提案する。 本研究では,動作プリミティブ,モデル予測制御,ベイズ最適化を組み合わせた公式なルール準拠サービスを生成する新しい手法を提案する。
• 参考スコア（独自算出の注目度）: 0.6321579695752056
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Table tennis, a dynamic, compact, and popular sport, has received significant attention as a robotics benchmark over the last decades. Most of the research has focused on the rally aspect - returning an incoming ball - requiring high-speed vision, agile motion planning, and tight closed-loop control. However, the other component of table tennis gameplay - the serve - is comparatively a quite unexplored research problem, that in fact requires pushing physics modeling and control to the extremes. Achieving competitive serves with a robot presents domain-specific challenges, such as high-spin generation from a spinless ball, precise aiming, or multi-objective optimization. In this work, we present a novel approach for generating official rule-compliant serves by combining motion primitives, Model Predictive Control, and Bayesian Optimization. Serves generated in this way offer a wide and controllable variation of spins of up to 550 rad/s, and speeds of up to 6.7 m/s, matching and even surpassing those of elite table tennis players.
• Abstract（参考訳）: 動的でコンパクトで人気のあるスポーツである卓球は、過去数十年にわたりロボットのベンチマークとして大きな注目を集めてきた。 研究の大部分は,高速なビジョン,アジャイルなモーションプランニング,クローズドループコントロールといった,ラリーの側面 – 着信ボールを返却する — に重点を置いている。 しかし、卓球ゲームプレイの他のコンポーネントであるサーブは、物理モデリングとコントロールを極端に推し進める必要のある、比較的未解決の研究問題である。 ロボットによる競争力の達成は、スピンレスボールからのハイスピン生成、正確な目標設定、多目的最適化など、ドメイン固有の課題を提示する。 本研究では,動作プリミティブ,モデル予測制御,ベイズ最適化を組み合わせた公式なルール準拠サービスを生成する新しい手法を提案する。 この方法で生成されたサーブは、最大550 rad/sのスピンの広範かつ制御可能なバリエーションを提供し、最大6.7 m/sの速度で、エリート卓球選手のそれを上回るものを提供する。

関連論文リスト

• Physics Models for Sim-to-Real Transfer in Professional-Level Robot Table Tennis [40.32087961270485]
  卓球では、ボールは、ロボットが追跡し、1秒以内に正確に対応しなければならない複雑な直感的軌跡に従う。 これらのスキルを持つ強化学習政策の訓練は、現実世界では違法に高価で危険である。 本研究では,ボールの挙動をゲームに関連する幅広い速度とスピンで正確に把握する,空力ボール飛行,ボールテーブル接触,ボールラケット接触の物理モデルを提案する。
  論文  参考訳（メタデータ） (2026-06-27T08:18:49Z)
• Hardware Design for Table Tennis Robot Capable of Beating Professional Players [32.40740138722726]
  本稿では,卓球ロボットがプロ選手を倒すために必要なハードウェア仕様に焦点を当てる。 エリート選手の動きを分析した後、作業空間、ペイロード、外部力抵抗、物理的性能、サービス能力、エンドエフェクタ精度の目標仕様を定義した。 これらの仕様に基づき,カスタム8-DoFロボット「エース」を開発した。
  論文  参考訳（メタデータ） (2026-06-25T06:14:03Z)
• MyoChallenge 2025: A New Benchmark for Human Athletic Intelligence [57.70335388371609]
  NeurIPS 2025のMyoChallengeは、スポーツにおけるモーターコントロールインテリジェンスに関する先駆的なベンチマークを確立した。 物理シミュレーションにおける高忠実度筋骨格モデルと機械学習駆動アルゴリズムの組み合わせ チャレンジには70のチームが参加し、全世界で560以上の応募があった。
  論文  参考訳（メタデータ） (2026-05-15T06:09:44Z)
• SMASH: Mastering Scalable Whole-Body Skills for Humanoid Ping-Pong with Egocentric Vision [53.709632118234936]
  Methodnameはアジャイルなヒューマノイドテーブルテニスのためのモジュールシステムである。 これは、スケーラブルな全身スキル学習と、オンボードの自我中心の認識を統一する。 そこで本研究では,オンボードセンシングだけで連続的なストライクを行うことができる最初のヒューマノイドテーブルテニスシステムについて紹介する。
  論文  参考訳（メタデータ） (2026-04-01T17:11:52Z)
• SpikePingpong: High-Frequency Spike Vision-based Robot Learning for Precise Striking in Table Tennis Game [37.80144996427038]
  SpikePingpongは、スパイクベースのビジョンと模倣学習を統合した新しいシステムだ。 スパイクカメラベースのモジュールであるSONICは、ボールラケット接触予測においてミリレベルの精度を達成する。 IMPACTは戦略的計画モジュールであり、ターゲットとするテーブル領域への正確なボール配置を可能にする。
  論文  参考訳（メタデータ） (2025-06-07T07:04:48Z)
• 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)
• A multi-modal table tennis robot system [12.590158763556186]
  本稿では,高精度な視覚検出と高速なロボット反応を備えたテーブルテニスロボットシステムを提案する。 これまでの研究に基づいて、我々のシステムはKUKAロボットアームと6 DOF、フレームベースのカメラ4台とイベントベースのカメラ2台を搭載している。
  論文  参考訳（メタデータ） (2023-10-29T16:35:29Z)
• Hierarchical Reinforcement Learning for Precise Soccer Shooting Skills using a Quadrupedal Robot [76.04391023228081]
  本研究では,四足歩行ロボットが実世界において,強化学習を用いて精度の高い射撃技術を実現できるという課題に対処する。 本研究では, 深層強化学習を活用して頑健な動作制御政策を訓練する階層的枠組みを提案する。 提案するフレームワークをA1四足歩行ロボットに展開し、実世界のランダムなターゲットに向けて正確にボールを発射できるようにする。
  論文  参考訳（メタデータ） (2022-08-01T22:34:51Z)

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。