論文の概要: Natural Sit-to-Stand Motion Synthesis For Humanoids via Guided Assistance Curricula and Staged Rewards
- arxiv url: http://arxiv.org/abs/2608.20823v1
- Date: Fri, 21 Aug 2026 07:44:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-24 14:49:32.448337
- Title: Natural Sit-to-Stand Motion Synthesis For Humanoids via Guided Assistance Curricula and Staged Rewards
- Title（参考訳）: ガイド付き補助カリキュラムと段階的リワードによるヒューマノイドの自然なSit-to-Stand運動合成
- Abstract要約: 政策は3つの相補的なコンポーネントによって駆動される、スムーズで人間のような上昇を学習する。
政策は8つの椅子の高さで97%以上のバランスの取れた成功を達成した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: A humanoid has infinitely many ways to stand up from sitting while maintaining balance, making sit-to-stand (STS) a challenging control problem. We synthesise natural humanoid STS motion from scratch using reinforcement learning, without demonstrations or reference trajectories. A single Proximal Policy Optimisation policy learns smooth, human-like rising driven by three complementary components. (i) A coupled force/chair-height curriculum is used. A vertical pelvis-assist force aids early trajectory exploration and decays over training. Taller chairs are unlocked with decaying assisting force. This ensures that the policy masters a viable STS trajectory at each chair height before being exposed to harder ones, avoiding the premature distribution shift that otherwise collapses generalisation. (ii) Motion robustness is achieved by randomly sampling from a large number of inverse kinematics-generated initial and target poses spanning over eight chair heights. (iii) A set of rewards is defined inspired from biomechanics and optimal control studies. They shape the robot's angular momentum for seat-off, and enable support-region transition via centre of pressure attraction function to ensure smooth low-effort actuation. On a deterministic force-free evaluator, the policy attains more than 97% balanced-standing success across eight chair heights. The policy generalises smooth motion across chair heights and enables the robot to rise from substantially deep-seated postures as compared to the state of the art.
- Abstract（参考訳）: ヒューマノイドは、バランスを維持しながら座ることから立ち上がる方法が無限にあるため、座れること(STS)は困難な制御問題となる。
我々は、実演や基準軌跡を使わずに、強化学習を用いて、スクラッチから自然なヒューマノイドSTS運動を合成する。
1つのポリシー最適化ポリシーは、3つの補完的なコンポーネントによって駆動される、スムーズで人間のような上昇を学習する。
一 組み合わされた力・体高のカリキュラム
垂直の骨盤補助力は初期の軌道探索と訓練時の崩壊を補助する。
タラーチェアは、崩壊する補助力でロック解除される。
これにより、ポリシーは、より難しいものに触れる前に、各椅子の高さで実行可能なSTS軌道をマスターし、さもなくば一般化を崩壊させる早期分布シフトを避けることができる。
(II)8つの椅子の高さにまたがる多数の逆キネマティクス生成初期・ターゲットポーズをランダムにサンプリングすることにより、動きの頑健性を実現する。
三 報酬の集合は、生体力学及び最適制御研究から着想を得たものである。
シートオフのためにロボットの角運動量を形成し、圧力アトラクション機能の中心を経由した支持領域遷移を可能にし、スムーズな低重力運動を実現する。
決定論的無力評価器では、8つの椅子の高さで97%以上のバランスの取れた成功を達成した。
このポリシーは、椅子の高さを横切るスムーズな動きを一般化し、ロボットが最先端の姿勢から立ち上がることを可能にする。
関連論文リスト
- Stay Seated: Learning Omnidirectional Humanoid Locomotion on a Passive Mobile Chair with Casters [0.0]
準指向駆動アクチュエータを備えたヒューマノイドロボットは、立位中に関節トルクを連続的に生成する一方、座った人間はデスク作業中に椅子に重量支援を委譲する。
受動式移動椅子上における全方向座位移動について検討し、固定されていない骨盤シート接触とロボットチェアシステムの断続的な足底推進を必要とした。
標準立位速度追跡環境を受動チェアモデル、座位状態報酬、評論家のみの椅子観察、タスク調整された接触設定で拡張する。
学習されたポリシーは、Unitree G1へのゼロショット・シム・トゥ・リアル転送を達成し、全方向の座るロコモーションを発生させた。
論文 参考訳（メタデータ） (2026-08-28T08:58:20Z) - Robust Fall Recovery for Armless Bipedal-Wheeled Robots Via Force-Guided Learning [13.56238998710442]
いくつかのヒューマノイドと四肢は、腕を利用して様々な姿勢から回復したり、複数の脚を調整して支援力を発生させることで回復することができる。
両輪ロボットは、腕や他の脚がなければ、足の動きにのみ依存しなければならない。
FTSR(Force-guided Teacher-Student framework with Stage-wise Rewards)を導入してこの問題に対処する。
論文 参考訳（メタデータ） (2026-06-12T08:51:51Z) - Learn Weightlessness: Imitate Non-Self-Stabilizing Motions on Humanoid Robot [56.377161933570335]
人間は自然に非自己安定化(NSS)運動中に「無重力」状態を利用する。
この生物学的メカニズムに着想を得て,データセットのアノテーションに対する無重力自動ラベル方式を提案する。
我々の研究は、正確な軌道追跡と適応的な環境相互作用のギャップを埋め、接触リッチなヒューマノイド制御のための生物学的にインスパイアされたソリューションを提供する。
論文 参考訳（メタデータ） (2026-04-23T07:10:05Z) - SMASH: Mastering Scalable Whole-Body Skills for Humanoid Ping-Pong with Egocentric Vision [53.709632118234936]
Methodnameはアジャイルなヒューマノイドテーブルテニスのためのモジュールシステムである。
これは、スケーラブルな全身スキル学習と、オンボードの自我中心の認識を統一する。
そこで本研究では,オンボードセンシングだけで連続的なストライクを行うことができる最初のヒューマノイドテーブルテニスシステムについて紹介する。
論文 参考訳（メタデータ） (2026-04-01T17:11:52Z) - 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) - APEX: Learning Adaptive High-Platform Traversal for Humanoid Robots [32.84976822343718]
本稿では,登頂型高プラットフォーム交通行動認識システムであるAPEXを提案する。
私たちのアプローチの中心は、コンタクトに富んだ目標達成策を学ぶための一般的なラチェット進歩報酬です。
我々は、LiDARベースのフルボディ操作ポリシーを訓練し、sim-to-real知覚ギャップを低減する。
論文 参考訳（メタデータ） (2026-02-11T18:55:11Z) - HUSKY: Humanoid Skateboarding System via Physics-Aware Whole-Body Control [67.58927286226925]
本稿では,ヒューマノイド・スケータボードシステムモデリングと物理を意識した全身制御を統合した学習ベースのフレームワークを提案する。
Unitree G1のヒューマノイドプラットフォームでの実験では、現実のシナリオにおいて、私たちのフレームワークがスケートボード上で安定的でアジャイルな操作を可能にすることが示されています。
論文 参考訳（メタデータ） (2026-02-03T07:18:01Z) - 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) - HuB: Learning Extreme Humanoid Balance [21.986188490182993]
Humanoid Balance(ヒューマノイドバランス)は,参照運動の洗練,バランス対応政策学習,シミュレート・トゥ・リアルトレーニングを統合した統合フレームワークである。
準静的バランスタスクにおけるUnitree G1ヒューマノイドロボットのアプローチを検証する。
論文 参考訳（メタデータ） (2025-05-12T07:31:42Z) - 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) - Learning Humanoid Standing-up Control across Diverse Postures [27.79222176982376]
立ち上がり制御はヒューマノイドロボットにとって不可欠であり、現在の移動と移動操作システムに統合される可能性がある。
本稿では,立ち上がり制御をゼロから学習する強化学習フレームワークであるHoST(Humanoid Standing-up Control)を提案する。
実験結果から, 各種実験室および屋外環境におけるスムーズ, 安定, 頑健な立位運動が得られた。
論文 参考訳（メタデータ） (2025-02-12T13:10:09Z)
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。