論文の概要: Agile perceptive multi-skill locomotion for quadrupedal robots in the wild
- arxiv url: http://arxiv.org/abs/2607.13579v1
- Date: Wed, 15 Jul 2026 08:22:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-16 16:39:12.704127
- Title: Agile perceptive multi-skill locomotion for quadrupedal robots in the wild
- Title（参考訳）: 野生の四足歩行ロボットに対するアジャイルの知覚的マルチスキルロコモーション
- Abstract要約: APT-RL(Action Pretrained Transformer-based Reinforcement Learning)はマルチスキル・ロコモーションを実現する統合フレームワークである。
提案手法は,高速なダイナミックスを用いた軌道最適化により,大規模で特徴量の多い2次元運動データセットを生成する。
結果として得られる高品質のスキルは、複雑な下流のタスクを効率的に学習し、自然に3D環境に拡張するための強力な先駆となる。
- 参考スコア（独自算出の注目度）: 4.14240816913171
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Enabling quadrupedal robots to traverse complex terrains-from rugged outdoor environments to urban landscapes-requires seamless integration of multiple motor skills, smooth transitions between gaits, and high-speed perceptive locomotion using only onboard sensors. We present APT-RL (Action Pretrained Transformer-based Reinforcement Learning), a unified framework that enables multi-skill locomotion to achieve high-speed traversal in complex environments through autonomous skill transitions utilizing only onboard perception and computation. Our approach generates large-scale, feature-rich 2D motion datasets through trajectory optimization with simplified dynamics. These datasets enable training of diverse, reusable locomotion skills that transfer effectively to a real quadruped robot operating on complex uneven terrains. The resulting high-quality skills serve as strong priors for efficient learning of complex downstream tasks and extend naturally to 3D environments, enabling smooth, high-speed multi-skill locomotion in deployed policy. Real-world experiments demonstrate the framework's capabilities: the robot performs agile maneuvers through complex indoor obstacles and outdoor wild environments, including dynamic drop-down maneuvers that reach instantaneous peak speeds of up to 6 meters per second. A single onboard policy enables robust traversal of diverse obstacles, including stairs, hurdles, stepping stones, gaps, and fallen branches, demonstrating the versatility and effectiveness of our approach.
- Abstract（参考訳）: 四足歩行ロボットは、頑丈な屋外環境から都市景観まで複雑な地形を横断する。複数のモータースキルのシームレスな統合、歩行間のスムーズな遷移、オンボードセンサーのみを用いた高速な知覚的移動が求められる。
APT-RL(Action Pretrained Transformer-based Reinforcement Learning, APT-RL)は,マルチスキル・ロコモーションによる複雑な環境における高速な移動を実現するための統合フレームワークである。
提案手法は,高速なダイナミックスを用いた軌道最適化により,大規模で特徴量の多い2次元運動データセットを生成する。
これらのデータセットは、複雑な不均一な地形で動作する実際の四足歩行ロボットに効果的に移行する、多種多様な再利用可能な移動スキルのトレーニングを可能にする。
結果として得られる高品質のスキルは、複雑な下流のタスクを効率的に学習し、自然に3D環境に拡張するための強力な先駆者となり、デプロイされたポリシーにおけるスムーズで高速なマルチスキルの移動を可能にします。
ロボットは複雑な屋内障害物や屋外の野生環境を通じてアジャイルな操作を行う。
シングルオンボードポリシーは、階段、ハードル、ステッピングストーン、ギャップ、倒れた枝など、さまざまな障害の堅牢なトラバースを可能にし、我々のアプローチの汎用性と有効性を実証する。
関連論文リスト
- Behavior Foundations for Quadruped Robots: ABot-C0 Technical Report [25.18747802029395]
本稿では,四足歩行ロボットの汎用動作制御システムであるABot-C0を提案する。
我々は、条件付きビデオ生成、注釈付きモーションキャプチャ、ヒューマンデザインを通じてデータピラミッドを構築し、16,074個の物理的に実現可能なモーションクリップを生成した。
そして、3段階の特権と知覚の枠組みを採用することで、ロバストな全地球移動に向けて一歩前進します。
論文 参考訳（メタデータ） (2026-07-08T13:04:07Z) - 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) - MUJICA: Multi-skill Unified Joint Integration of Control Architecture for Wheeled-Legged Robots [32.237659116389075]
本稿では、車輪付き脚ロボットのための統一的、完全プロプリセプティブ制御フレームワークを提案する。
MUJICAは、一方向移動、高プラットフォームクライミング、転倒回復を含む多様な低レベルスキルを単一のポリシーで統合する。
我々は,Unitree Go2-Wロボットのシミュレーションと実世界の実験において,我々のフレームワークを検証する。
論文 参考訳（メタデータ） (2026-05-13T06:31:18Z) - 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) - Locomotion Beyond Feet [35.148387990120014]
Locomotion Beyond Feetは、挑戦的な地形を横断する全身のヒューマノイド・ロコモーションのための総合システムである。
我々のアプローチは、コンタクトリッチなモーションプランニングと、多様な地形における一般化という、2つの主要な課題に対処する。
キーフレームは人間のモータースキルの知識を符号化し、具体化に特化しており、シミュレーションやハードウェア上で容易に検証できる。
論文 参考訳（メタデータ） (2026-01-07T05:36:39Z) - Learning Robust Autonomous Navigation and Locomotion for Wheeled-Legged Robots [50.02055068660255]
都市環境のナビゲーションは、ロボットにとってユニークな課題であり、移動とナビゲーションのための革新的なソリューションを必要としている。
本研究は, 適応移動制御, 移動対応ローカルナビゲーション計画, 市内の大規模経路計画を含む, 完全に統合されたシステムを導入する。
モデルフリー強化学習(RL)技術と特権学習を用いて,多目的移動制御系を開発した。
私たちのコントローラーは大規模な都市航法システムに統合され、スイスのチューリッヒとスペインのセビリアで自律的、キロメートル規模の航法ミッションによって検証されます。
論文 参考訳（メタデータ） (2024-05-03T00:29:20Z) - 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) - Learning and Adapting Agile Locomotion Skills by Transferring Experience [71.8926510772552]
本稿では,既存のコントローラから新しいタスクを学習するために経験を移譲することで,複雑なロボティクススキルを訓練するためのフレームワークを提案する。
提案手法は,複雑なアジャイルジャンプ行動の学習,後肢を歩いたまま目標地点への移動,新しい環境への適応を可能にする。
論文 参考訳（メタデータ） (2023-04-19T17:37:54Z) - Learning Quadrupedal Locomotion over Challenging Terrain [68.51539602703662]
足の移動はロボティクスの操作領域を劇的に拡張することができる。
足の移動のための従来のコントローラーは、運動プリミティブと反射の実行を明示的にトリガーする精巧な状態マシンに基づいている。
ここでは、自然環境に挑戦する際の足の移動に対して、徹底的に頑健な制御器を提案する。
論文 参考訳（メタデータ） (2020-10-21T19:11:20Z) - 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。