論文の概要: Physics-Guided Biomechanical Gait Adaptation for Humanoid Locomotion on Extreme Sloped Terrains

• arxiv url: http://arxiv.org/abs/2607.07830v1
• Date: Wed, 08 Jul 2026 18:12:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-10 14:45:27.309663
• Title: Physics-Guided Biomechanical Gait Adaptation for Humanoid Locomotion on Extreme Sloped Terrains
• Title（参考訳）: 極傾斜地におけるヒューマノイド移動のための物理誘導バイオメカニカル歩行適応
• Authors: Xuanyu Chen, Mohan Liu, Dengchen Mei, Zhihao Gu, Haitian Zhang, Kaimin Mao, Haiyue Zhu, Shijun Yan, Lin Wang,
• Abstract要約: 本研究では,HumoSlopeと呼ばれる2段階の物理誘導フレームワークを提案する。 本フレームワークは姿勢変性を効果的に軽減し,62.7%までの屋外草地斜面の目視・連続的移動を可能にする。
• 参考スコア（独自算出の注目度）: 8.87337310412389
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Model-free reinforcement learning has enabled impressive humanoid locomotion; however, control on steep slopes remains largely unexplored. Unlike flat or discrete terrains, sloped terrains impose a persistent gravitational bias that demands simultaneous stability and posture control. Consequently, under generic reward formulations, policies can converge to slow, conservative low-center-of-mass (CoM) crouched gaits. In this work, we propose a novel two-stage physics-guided framework, dubbed HumoSlope, dedicated to robust humanoid locomotion on diverse sloped terrains. Specifically, Stage I establishes a terrain-consistent balance prior by introducing a slope-adaptive Zero Moment Point (ZMP) regularizer evaluated directly on the local inclined support plane rather than a world-horizontal reference. To prevent the resulting policy from defaulting to a crouched posture, Stage II introduces the Biomechanical Slope Gait Adapter (BSGA). Utilizing extracted macroscopic terrain descriptors as privileged, training-only signals, BSGA dynamically gates soft reward priors to modulate CoM height and lower-limb coordination based on the estimated slope geometry -- encouraging hip-dominant uphill propulsion and knee-oriented downhill braking. Crucially, the deployed actor remains entirely proprioceptive, requiring no online exteroceptive sensing. Extensive Sim-to-Real experiments demonstrate that our framework effectively mitigates posture degeneration and enables blind, continuous traversal of outdoor grass slopes up to 62.7% ($32.1^\circ$), validating a physics-guided approach to challenging slope terrain adaptation.
• Abstract（参考訳）: モデル無しの強化学習は、印象的なヒューマノイドの移動を可能にしたが、急勾配の制御は、ほとんど未発見のままである。 平坦な地形や離散的な地形とは異なり、傾斜した地形は持続的な重力バイアスを課し、同時に安定性と姿勢制御を必要とする。 その結果、一般的な報酬の定式化の下では、政策は緩やかで保守的な低中心(CoM)がしゃがんだ歩みに収束する。 本研究では,フモスロープ(HumoSlope)と呼ばれる新しい2段階の物理誘導フレームワークを提案する。 具体的には、第1段階は、世界水平基準ではなく、局所傾斜支持面上で直接評価された傾斜適応ゼロモーメント点(ZMP)正規化器を導入することで、地形に一貫性のあるバランスを確立する。 結果として生じるポリシーが粗い姿勢にデフォルトになるのを防ぐため、Stage IIはBSGA(Biomechanical Slope Gait Adapter)を導入している。 抽出したマクロ地形記述子を特権的、訓練専用の信号として利用し、BSGAは、推定斜面形状に基づいてCoMの高さと下肢調整を調整するために、ソフト報酬を動的にゲートする。 重要なことに、この配備された俳優は、完全にプロバイオセプティヴであり、オンラインのエクストラセプティヴセンシングは必要としない。 広汎なSim-to-Real実験により,我々のフレームワークは姿勢の劣化を効果的に軽減し,62.7% (32.1^\circ$) の屋外草地斜面の盲目かつ連続的な移動を可能にすることを示した。

関連論文リスト

• PTDL:Multi-Terrain Fall Recovery via Phase-Terrain Decoupled Learning [13.93626645001]
  人型ロボットは、非構造環境の斜面、砂利、不均一な地面に落下することがある。 本稿では、位相軸と地形軸に沿って訓練の監督を分離する位相領域分離学習(PTDL)を提案する。 平地,砂利,斜面をまたいだ29-DoFユニツリーG1上のPTDLをシミュレーションおよびハードウェア上で最大20度検証する。
  論文  参考訳（メタデータ） (2026-06-08T02:01:08Z)
• T-GMP: Terrain-conditioned Generative Motion Priors for Versatile and Natural Humanoid Locomotion [10.258225375602231]
  本稿では,地形条件付き潜伏運動多様体を,いくつかの専門的状態テランの実証から捉えるモジュールを提案する。 学習された事前はスムーズなスタイルの遷移を可能にし、地形の変化に対応する統一されたポリシーを促進する。 我々は,T-GMPを対向的な学習パイプラインに統合し,その際,識別器が局所地形の特徴を考慮に入れた自然性制約を動的に調節する足場刑法を提案する。
  論文  参考訳（メタデータ） (2026-06-05T06:15:42Z)
• CoRe-MoE: Contrastive Reweighted Mixture of Experts for Multi-Terrain Humanoid Locomotion with Gait Adaptation [18.803751724563448]
  地形適応から歩行生成を分離する2段階強化学習フレームワークであるCoRe-MoEを提案する。 最初の段階では、安定な移動ポリシーが学習され、スムーズな遷移を伴う自然な歩行行動と走行行動が生み出される。 第2段階では、地形を意識したMoE分岐を導入し、このゲーティングネットワークは、構造された地形表現を学習するための対照的な目的で訓練される。
  論文  参考訳（メタデータ） (2026-06-03T10:51:46Z)
• A 26-Gram Butterfly-Inspired Robot Achieving Autonomous Tailless Flight [61.21669716392821]
  textitAirPulseは、26グラムの蝶にインスパイアされたロボットで、このスケールで尾のない二翼プラットフォームのために、初めてオンボードでクローズドループ制御飛行を行う。 蝶の飛行における重要な生体力学的特性を再現し、低アスペクト比、炭素繊維強化翼の適合性、および特徴的な生物学的身体の起伏を再現する低周波の羽ばたきを利用する。
  論文  参考訳（メタデータ） (2026-02-06T15:58:50Z)
• 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)
• PGTT: Phase-Guided Terrain Traversal for Perceptive Legged Locomotion [41.99844472131922]
  PGTT ( Phase-Guided Terrain Traversal) は、報酬形成を通じて歩行構造を純粋に強制する認識型ディープRLアプローチである。 MuJoCo(MJX)で、カリキュラムやドメインランダム化を伴う手続き的に生成された階段のような地形で訓練されたPGTTは、プッシュ障害の下で最も成功している。
  論文  参考訳（メタデータ） (2025-10-21T07:00:18Z)
• 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)
• VAE-Loco: Versatile Quadruped Locomotion by Learning a Disentangled Gait Representation [78.92147339883137]
  本研究では,特定の歩行を構成する主要姿勢位相を捕捉する潜在空間を学習することにより,制御器のロバスト性を高めることが重要であることを示す。 本研究では,ドライブ信号マップの特定の特性が,歩幅,歩幅,立位などの歩行パラメータに直接関係していることを示す。 生成モデルを使用することで、障害の検出と緩和が容易になり、汎用的で堅牢な計画フレームワークを提供する。
  論文  参考訳（メタデータ） (2022-05-02T19:49:53Z)

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。