論文の概要: URF: A Unified Robot Control-Policy Framework for Stable Contact Aware Manipulation
- arxiv url: http://arxiv.org/abs/2607.20912v1
- Date: Thu, 23 Jul 2026 04:46:19 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-24 18:26:25.287293
- Title: URF: A Unified Robot Control-Policy Framework for Stable Contact Aware Manipulation
- Title（参考訳）: URF: 安定した接触認識操作のための統一型ロボット制御プラットフォーム
- Authors: Jiyou Shin, Youngjin Seo, Jaeseog Won, Sungwon Seo, Hyunjun Kim, Seokmin Yoon, Tuan Luong, Hyungpil Moon,
- Abstract要約: We propose a textitUnified Robot Control-Policy Framework (URF)
URFは、コンプライアンス・アクション予測とインピーダンス・アドミタンス・コントロールを結合する。
その結果, 接触対応ポリシは, 適合行動だけでなく, 制御動作の予測にも有効であることが示唆された。
- 参考スコア（独自算出の注目度）: 7.1804801181795215
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Learning-based manipulation policies usually predict robot actions from sensory observations and leave their execution to a separate low-level controller. In rigid contact, this separation can be problematic: the same motion to a virtual target or compliant motion command can lead to unstable contact, tracking error, excessive loading, or tool damage, depending on the low-level controller. In this paper, we propose a \textit{Unified Robot Control-Policy Framework} (URF), which connects compliant action prediction with unified impedance-admittance control. Given multimodal observations, URF predicts a virtual target, a stiffness matrix, and an impedance-admittance switch ratio. The switch ratio determines when the controller should behave more like admittance control for accurate motion tracking and when it should move toward impedance control for safer rigid contact. Because demonstration data do not provide ground-truth environment stiffness, we construct switch-ratio labels from measured contact forces and use them to supervise controller-mode prediction. Across box-flipping and line-pressing tasks, URF achieves higher task success rates while reducing failure modes observed with admittance-only execution, including rapid force buildup, large force oscillations, tool breakage, and robot safety stops. These results suggest that contact-aware policies benefit from predicting not only compliant actions but also the controller behavior used to execute them. Project page: https://jiyou384.github.io/urf_project_page/
- Abstract（参考訳）: 学習に基づく操作ポリシーは通常、感覚的な観察からロボットの動きを予測し、実行を別の低レベルコントローラに任せる。
厳密な接触では、この分離は問題になりうる: 仮想目標に対する同じ動きや、従順なモーションコマンドは、低レベルコントローラに依存する不安定な接触、追跡エラー、過度な負荷、ツール損傷につながる可能性がある。
本稿では,従順な動作予測とインピーダンス・アドミタンス制御を結合した「textit{Unified Robot Control-Policy Framework}」(URF)を提案する。
マルチモーダルな観測により、URFは仮想目標、剛性行列、インピーダンス/許容スイッチ比を予測する。
スイッチ比は、正確なモーショントラッキングのためのアクセタンス制御のように振る舞うべき時期と、より安全な剛性接触のためのインピーダンス制御に向かうべき時期を決定する。
実演データでは, 接地環境の剛性は得られないため, 測定された接触力からスイッチ比ラベルを構築し, コントローラモード予測を監督する。
ボックスフレッピングとラインプレッディングのタスク全体で、URFは高いタスク成功率を達成すると同時に、急激な力の積み上げ、大きな力の振動、ツールの破損、ロボットの安全停止など、アクセタンスのみの実行で観察される障害モードを削減する。
これらの結果から, 接触対応ポリシは, 適合行動だけでなく, 制御動作の予測にも有効であることが示唆された。
プロジェクトページ: https://jiyou384.github.io/urf_project_page/
関連論文リスト
- Intention assimilation control for accurate tracking with variable impedance in teleoperation [5.5537964695827]
本研究では,ロボットの追尾精度を高剛性で確保できる意図的同化制御戦略を提案する。
IACは、ロボットがユーザーの動きを正確に再現し、意図に応じてインピーダンスを調節する自由を与える。
論文 参考訳（メタデータ） (2026-05-07T23:31:12Z) - ULTRA: Unified Multimodal Control for Autonomous Humanoid Whole-Body Loco-Manipulation [55.467742403416175]
本稿では,大規模モーションキャプチャをヒューマノイドに変換する物理駆動型ニューラルネットワークを提案する。
我々は高密度参照とスパースタスク仕様の両方をサポートする統合マルチモーダルコントローラを学習する。
その結果,ULTRAは自我中心の知覚から,自律的,目標条件付き全体ロコ操作に一般化することが示された。
論文 参考訳（メタデータ） (2026-03-03T18:59:29Z) - Safe Whole-Body Loco-Manipulation via Combined Model and Learning-based Control [46.47619556874003]
そこで本研究では,マニピュレータアームのモデルベースアプタンス制御と足歩行の強化学習ポリシを組み合わせた全身制御を提案する。
アクセタンスコントローラは、物理的相互作用中に人間によって適用されるような外部レンチを、望ましいエンドエフェクタ速度にマッピングし、従順な振る舞いを可能にする。
6-DoFアームと手首に装着した6-DoF Force/Torqueセンサーを備えたUnitree Go2四足歩行ロボットを用いて,シミュレーションとハードウェアの両方におけるアプローチを検証する。
論文 参考訳（メタデータ） (2026-03-02T22:31:12Z) - Mind the Gap: Learning Implicit Impedance in Visuomotor Policies via Intent-Execution Mismatch [7.078279704479455]
本稿では,学習目標を「インテント・クローン(マスター・コマンド)」にシフトさせるデュアルステート・コンディショニング・フレームワークを提案する。
マスター意図を予測することによって、我々の政策は「仮想平衡点」を生成することを学び、暗黙のインピーダンス制御を効果的に実現した。
これは、低コストハードウェアのための最小限の動作クローニングフレームワークを示し、明示的な力センシングに頼ることなく、力知覚と動的補償を可能にする。
論文 参考訳（メタデータ） (2026-02-09T15:18:12Z) - UniForce: A Unified Latent Force Model for Robot Manipulation with Diverse Tactile Sensors [51.88112610411651]
そこで本研究では,多様な触覚センサにまたがる共用潜在力空間を学習する,新しい統合された触覚表現学習フレームワークを提案する。
UniForceは、逆ダイナミクス(image-to-force)とフォワードダイナミクス(force-to-image)を共同モデリングすることで、クロスセンサー領域シフトを低減する
高価な外部力/トルクセンサ(F/T)への依存を避けるため,静的平衡を利用して直接センサ・オブジェクト・センサ・インタラクションを介して力対効果データを収集する。
論文 参考訳（メタデータ） (2026-02-01T11:03:01Z) - Adaptive Attacks on Trusted Monitors Subvert AI Control Protocols [80.68060125494645]
プロトコルとモニタモデルを知っている信頼できないモデルによるアダプティブアタックについて検討する。
我々は、攻撃者がモデル出力に公知またはゼロショットプロンプトインジェクションを埋め込む単純な適応攻撃ベクトルをインスタンス化する。
論文 参考訳（メタデータ） (2025-10-10T15:12:44Z) - DRIFT: Dynamic Rule-Based Defense with Injection Isolation for Securing LLM Agents [52.92354372596197]
大規模言語モデル(LLM)は、強力な推論と計画能力のため、エージェントシステムの中心となってきています。
この相互作用は、外部ソースからの悪意のある入力がエージェントの振る舞いを誤解させる可能性がある、インジェクション攻撃のリスクも引き起こす。
本稿では,信頼に値するエージェントシステムのための動的ルールベースの分離フレームワークを提案する。
論文 参考訳（メタデータ） (2025-06-13T05:01:09Z) - FACET: Force-Adaptive Control via Impedance Reference Tracking for Legged Robots [23.645867340878574]
インピーダンス参照追跡(FACET)を用いたemphForce-Adaptive Controlを提案する。
インピーダンス制御にインスパイアされた我々は、RLを使って制御ポリシーを訓練し、仮想的な質量ばね減衰系を模倣する。
シミュレーションでは、我々の四足歩行ロボットが大きな衝動に対して堅牢性を向上し、制御可能なコンプライアンスを示すことを示す。
論文 参考訳（メタデータ） (2025-05-11T07:23:26Z) - Sensor Deprivation Attacks for Stealthy UAV Manipulation [51.9034385791934]
無人航空機は最先端の制御アルゴリズムを用いて自律的にタスクを実行する。
本稿では,マルチパートを提案する。
センサー分離攻撃 (Sensor Deprivation Attacks, SDA) - 極秘に影響を及ぼす攻撃。
センサーのリコンフィグレーションによる プロセス制御
論文 参考訳（メタデータ） (2024-10-14T23:03:58Z)
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。