論文の概要: MILD: Tractable Terrain Modeling for Learning Improved Bipedal Locomotion on Deformable Surfaces

• arxiv url: http://arxiv.org/abs/2608.19955v1
• Date: Thu, 20 Aug 2026 12:24:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-21 20:28:51.560941
• Title: MILD: Tractable Terrain Modeling for Learning Improved Bipedal Locomotion on Deformable Surfaces
• Title（参考訳）: MILD:変形性表面における2足歩行の学習のためのトラクタブルな地形モデリング
• Authors: Zeren Luo, Jiahui Zhang, Zhe Xu, Wanyue Li, Xinqi Li, Xuechao Chen, Zhangguo Yu, Annan Tang, Peng Lu,
• Abstract要約: 物理地上の離散要素接触解法を特徴とするMILDについて述べる。 我々は、深い強化学習を通して地形認識コントローラを訓練する。 本システムでは,様々な表面硬さのオンライン識別と適応性を実証する。
• 参考スコア（独自算出の注目度）: 27.312811759047023
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Enabling robots to walk on yielding terrain is vital for applications ranging from disaster response to planetary exploration. While bipedal robots hold immense potential, their locomotion on deformable surfaces remains limited as current simulators fail to capture the spatiotemporal heterogeneity of such yielding substrates. We present MILD, featuring a physics-grounded discrete-element contact solver that accurately simulates spatially varying foot-terrain interactions. Complementing this model, we train a terrain-aware locomotion controller via deep reinforcement learning with latent modulation and proprioceptive estimation. Quantitative comparisons against state-of-the-art methods show our approach generates more diverse and realistic contact scenarios during training, resulting in controllers that exhibit natural adaptation on real deformable surfaces. Through hardware experiments, we demonstrate the system's capability for online terrain identification and adaptation across a wide range of surface stiffness.
• Abstract（参考訳）: 災害対応から惑星探査まで、さまざまな用途にロボットを駆り立てることが不可欠である。 両足歩行ロボットは大きな可能性を秘めているが、変形可能な表面上での移動は、現在のシミュレーターがそのような生成基板の時空間的不均一性を捕捉できないため、制限されている。 物理接地された離散要素接触解法を特徴とするMILDを,空間的に変化するフット・テランの相互作用を正確にシミュレートする。 このモデルを補完し、潜伏変調と固有受容推定による深部強化学習により、地形対応の移動制御器を訓練する。 最先端手法に対する定量的比較では、トレーニング中により多彩で現実的な接触シナリオが生成され、結果として実際の変形可能な表面に自然な適応を示すコントローラが生成される。 ハードウェア実験を通じて, 様々な表面剛性にまたがるオンライン地形識別と適応能力を示す。

関連論文リスト

• Learning Context-Aware Neural ODE Dynamics for Adaptive Robotic Control [55.01272784312405]
  本稿では,ニューラル常微分方程式に基づく文脈認識力学モデルを提案する。 Sphero BOLTロボットとFanucマニピュレータを実世界の実験で使用した。
  論文  参考訳（メタデータ） (2026-06-13T20:55:46Z)
• D-REX: Differentiable Real-to-Sim-to-Real Engine for Learning Dexterous Grasping [66.22412592525369]
  本稿では,ガウスのSplat表現を生かした実--sim-to-realエンジンを導入し,実-sim-to-realエンジンについて述べる。 提案エンジンは, 各種物体の形状と質量値のマス識別において, 高精度かつロバストな性能を実現していることを示す。 これらの最適化された質量値は、力覚的なポリシー学習を促進し、オブジェクトの把握において優れた、高いパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2026-03-01T15:32:04Z)
• MeshMimic: Geometry-Aware Humanoid Motion Learning through 3D Scene Reconstruction [54.36564144414704]
  MeshMimicは、3Dシーンの再構築とインテリジェンスを組み込んだ革新的なフレームワークで、ヒューマノイドロボットがビデオから直接「モーション・テライン」インタラクションを学習できるようにする。 現状の3次元視覚モデルを活用することで、我々のフレームワークは、人間の軌跡と基礎となる地形や物体の3次元幾何学の両方を正確にセグメント化し再構築する。
  論文  参考訳（メタデータ） (2026-02-17T17:09:45Z)
• Surrogate compliance modeling enables reinforcement learned locomotion gaits for soft robots [5.193389420813379]
  適応型形態形成ロボットは、変化するタスクや環境条件を満たすために形態と制御ポリシーに適応する。 このようなシステムの多くは、形状変形を可能にするソフトコンポーネントを利用するが、シミュレーションや制御の課題も導入している。 本稿では,ソフトボディ物理を明示的にモデル化する代わりに,剛体シミュレータ内でのソフトマテリアル変形を表す間接変数を導入する。
  論文  参考訳（メタデータ） (2025-12-08T02:52:42Z)
• Contact-Implicit Modeling and Simulation of a Snake Robot on Compliant and Granular Terrain [0.0]
  本論文は,COBRAヘビロボットの横巻き及び転動動作を解析するための統一モデリングおよびシミュレーションフレームワークを提案する。 サイドウインド中の分散摩擦相互作用をモデル化するために、接触-単純定式化が用いられる。 急勾配での高エネルギー転がり移動には、クロノDEMエンジンが粒子と粒子の相互作用をシミュレートするために用いられる。
  論文  参考訳（メタデータ） (2025-12-04T17:20:32Z)
• Gaussian Splatting to Real World Flight Navigation Transfer with Liquid Networks [93.38375271826202]
  本研究では,シミュレート・トゥ・リアルな視覚四重項ナビゲーションタスクにおける分布シフトに対する一般化とロバスト性を改善する手法を提案する。 まず,擬似飛行力学とガウススプラッティングを統合してシミュレータを構築し,その後,液状ニューラルネットワークを用いてロバストなナビゲーションポリシーを訓練する。 このようにして、我々は3次元ガウススプラッティングラディアンス場レンダリング、専門家による実演訓練データのプログラミング、およびLiquid Networkのタスク理解能力の進歩を組み合わせたフルスタックの模倣学習プロトコルを得る。
  論文  参考訳（メタデータ） (2024-06-21T13:48:37Z)
• Context-Conditional Navigation with a Learning-Based Terrain- and Robot-Aware Dynamics Model [11.800678688260081]
  我々は,TRADYNと呼ばれる新しい確率的,地形的,ロボット対応のフォワードダイナミクスモデルを開発した。 本研究では,一輪式ロボットと空間的に異なる摩擦係数を持つ異なる地形配置を備えた2次元ナビゲーション環境において,本手法の評価を行った。
  論文  参考訳（メタデータ） (2023-07-18T12:42:59Z)
• Nonprehensile Riemannian Motion Predictive Control [57.295751294224765]
  本稿では,リアル・ツー・シムの報酬分析手法を導入し,リアルなロボット・プラットフォームに対する行動の可能性を確実に予測する。 連続的なアクション空間でオブジェクトを反応的にプッシュするクローズドループコントローラを作成します。 我々は,RMPCが乱雑な環境だけでなく,乱雑な環境においても頑健であり,ベースラインよりも優れていることを観察した。
  論文  参考訳（メタデータ） (2021-11-15T18:50:04Z)

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。