論文の概要: Throwing a Tight Spiral American Football by a Humanoid Robot

• arxiv url: http://arxiv.org/abs/2608.16642v1
• Date: Mon, 17 Aug 2026 14:40:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-18 19:59:03.749343
• Title: Throwing a Tight Spiral American Football by a Humanoid Robot
• Title（参考訳）: ヒューマノイドロボットによるタイトスパイラルアメリカンフットボールのスローング
• Abstract要約: 本稿では,ヒューマノイドロボットによるアメリカンフットボールのスピンアクチュエータ制御型タイトスパイラルスローについて述べる。 提案手法は、7-DoF Dex3-1三指グリップを備えた29-DoFユニツリーG1ヒューマノイド上で実証的に検証される。
• 参考スコア（独自算出の注目度）: 5.213778368155993
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurate throwing of the American football requires precise regulation of release conditions, where coupled linear and angular momentum determine flight stability and targeting accuracy. While prior work on robotic object throwing has largely focused on generating dynamically feasible release velocities using open-gripper paradigms, explicit control of spin injection at detachment remains underexplored, particularly for aerodynamically anisotropic objects like the American football. In this paper, we present the spin-stabilized controlled tight spiral throw of an American football by a humanoid robot. Achieving this requires (i) accurately reaching the desired coupled momentum, which often involves high degrees-of-freedom (DoF) movements completed within approximately half a second, and (ii) managing the complex transient contact dynamics that arise during the sub-100-millisecond release phase, when the football is effectively underactuated as it moves partially across the fingers. To this end, we develop a coupled whole-body control strategy where the lower body is performing informed stabilization while the upper body is further divided into two phases with (i) a throw phase accelerating the football to a target state through trajectory optimization and tracking, and (ii) a follow-through phase utilizing model predictive control to actively control the wrist and remaining in-contact fingers. The proposed framework is empirically validated on a 29-DoF Unitree G1 humanoid equipped with a 7-DoF Dex3-1 three-fingered gripper. The thrown American football reaches up to 93.6% spin efficiency and a 0.286 radians linear-velocity-to-nose-alignment (nose-angle) error (where an ``ideal'' tight spiral corresponds to 100 % spin efficiency and 0 radians nose-angle error) at up to a 5.35 m/s linear velocity and an angular velocity of 14.5 rad/s.
• Abstract（参考訳）: アメリカンフットボールの正確な投球には、線形運動量と角運動量の組み合わせで飛行安定性が決定され、目標の精度が決定される、正確な放出条件の規制が必要である。 ロボットの物体投げに関する以前の研究は、オープングリッパーのパラダイムを用いて動的に実現可能な放出速度を生成することに主に焦点を合わせてきたが、特にアメリカンフットボールのような空気力学的に異方性のある物体に対して、剥離時のスピン注入の明確な制御は未発見のままである。 本稿では,ヒューマノイドロボットによるアメリカンフットボールのスピン安定化制御型タイトスパイラルスローについて述べる。 これを達成するには (i)所望の結合運動量に正確に到達し、約半秒以内に完了した高自由度運動(DoF)を伴うことが多い。 二 サッカーが指を部分的に横切ると、効果的に過度に不活性化されるとき、100ミリ秒以下の放出期に生じる複雑な過渡接触ダイナミクスを管理すること。 この目的のために,上半身を2つの位相に分割しながら,下半身が情報安定化を行う結合体制御戦略を開発した。 一 軌道最適化及び追跡によりサッカーを目標状態に加速させる投球位相及び (2)手首と接触しない指を積極的に制御するモデル予測制御を用いた追従位相。 提案手法は、7-DoF Dex3-1三指グリップを備えた29-DoFユニツリーG1ヒューマノイド上で実証的に検証される。 投げられたアメリカンフットボールは、最大93.6%のスピン効率に達し、0.286のラディアン・リニア・ベロシティ・トゥ・ノーズ・アライメント(ノーズ・アングル)誤差('ideal'のタイト・スパイラルが100 %のスピン効率と0のラディアン・ノーズ・アングル・エラーに対応する)を最大5.35m/sのリニア速度で、角速度は14.5rad/sである。

関連論文リスト

• Event-Time Hybrid Optimal Control for Robotic Table Tennis Serves [7.9016044167814785]
  ロボットテーブルテニスは、ロボットのキノダイナミックな限界を尊重しながら、高いボール速度とスピンを必要とする。 我々は、ラケットの衝撃速度と方向を最適化するイベント時間acOCPとしてスピン制御サーブ生成を定式化する。 その結果、イベント時最適制御は、物理的に有効なキノダイナミックなサービスを生成する。
  論文  参考訳（メタデータ） (2026-08-08T14:35:22Z)
• WaveForward: An Omnidirectional Passive Wheeled Quadruped Robot with Casters [7.753040656802682]
  車輪付き脚ロボットは、複雑な地形を横断するアジャイルモビリティと高い効率の両方を持ち、長距離輸送用途に適している。 そこで本研究では,両脚に標準キャスターを装着し,全方向移動を実現する新しい,低コストな受動脚型ロボットを提案する。
  論文  参考訳（メタデータ） (2026-06-24T01:59:51Z)
• RoboNaldo: Accurate, Stable and Powerful Humanoid Soccer Shooting via Motion-Guided Curriculum Reinforcement Learning [29.003533673238135]
  エリートヒューマノイドサッカーシューティングは、全身の安定性、高インパルスの全身の相互作用、ターゲットへの精度を必要とする。 高速なヒューマノイドインタラクションのための運動誘導型カリキュラムフレームワークであるRoboNaldoを紹介する。 シミュレーションでは、RoboNaldoは48.6%低いフリーキックショットエラーと2.96倍の撮影速度を示した。
  論文  参考訳（メタデータ） (2026-06-09T16:51:13Z)
• Characterizing pitch and roll torque coupling in insect-sized flapping-wing robots using a microfabricated gimbal [1.3955252961896318]
  ロールとピッチトルクのアクティベーションのカップリング効果は測定されていない。 ロールトルクとピッチトルクと推力を正確に同時に測定できるマイクロファブリックジンバルデザイン。 結果は,音高と音高が独立に制御可能であるという仮定を検証した。
  論文  参考訳（メタデータ） (2026-04-23T23:46:05Z)
• 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)
• RobotDancing: Residual-Action Reinforcement Learning Enables Robust Long-Horizon Humanoid Motion Tracking [50.200035833530876]
  RobotDancingはシンプルでスケーラブルなフレームワークで、残留する関節の目標を予測して、ダイナミックスの不一致を明示的に修正する。 複数分間の高エネルギー動作(ジャンプ、スピン、カートホイール)をトラッキングし、高いモーショントラッキング品質のハードウェアにゼロショットをデプロイする。
  論文  参考訳（メタデータ） (2025-09-25T03:30:34Z)
• 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)
• Impedance Matching: Enabling an RL-Based Running Jump in a Quadruped Robot [7.516046071926082]
  シミュレーションロボットと現実ロボットのギャップを軽減するための新しい枠組みを提案する。 本フレームワークはパラメータ選択のための構造化ガイドラインとシミュレーションにおける動的ランダム化の範囲を提供する。 結果は、我々の知る限り、実四足歩行ロボットにおいて、RLベースの制御ポリシーによって実証された最も高く、最も長いジャンプの1つです。
  論文  参考訳（メタデータ） (2024-04-23T14:52:09Z)
• 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)
• 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)
• 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。