論文の概要: LAC: Linear and Angular Compliance for Humanoid Whole-body Control
- arxiv url: http://arxiv.org/abs/2608.25405v1
- Date: Wed, 26 Aug 2026 06:07:28 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-27 14:15:15.612169
- Title: LAC: Linear and Angular Compliance for Humanoid Whole-body Control
- Title（参考訳）: LAC:ヒューマノイド全体制御のための線形および角適合性
- Abstract要約: 現実世界のヒューマノイドタスクは、物体と人間との物理的相互作用を含む。
命令付きLinearとAngular Complianceを同時に実現する汎用の全身コントローラであるLACを提案する。
- 参考スコア（独自算出の注目度）: 11.568075663157309
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Real-world humanoid tasks involve physical interaction with objects and humans, yet current controllers either reject external forces as disturbances or restrict compliance to limited body links while ignoring angular effects. We present LAC, a general whole-body controller that simultaneously realizes commanded Linear and Angular Compliance for wrenches applied to the upper body. First, we synthesize whole-body compliant responses into a large-scale augmented dataset. Sampled force and couple events are imposed on contact frames extracted from human interaction data. At each contact link, the external force and a virtual torque from the passively yielding kinematic chain drive a virtual admittance under the commanded stiffness. Subsequently, teacher-student reinforcement learning trains a single policy to track the compliant motions under external wrenches. Finally, extensive simulation and real-world experiments demonstrate whole-body compliant responses to wrenches across the upper body, monotonic modulation over the full range of both stiffness commands, and applicability to teleoperated loco-manipulation tasks. Project website: https://lac-humanoid.github.io/
- Abstract（参考訳）: 現実のヒューマノイドタスクは、物体や人間との物理的相互作用を伴うが、現在のコントローラーは、外力の乱れを拒絶するか、または、角効果を無視しながら、限定的な身体リンクへのコンプライアンスを制限する。
上半身に適用したレンチに対してLinearとAngular Complianceを同時に実現する汎用全身制御装置であるLACを提案する。
まず,全身対応の応答を大規模データセットに合成する。
人間のインタラクションデータから抽出された接触フレームには、サンプリングされた力とカップルイベントが課される。
各接触リンクにおいて、受動的に生じる運動鎖からの外部力と仮想トルクは、強制剛性の下で仮想アクセントを駆動する。
その後、教師-学生強化学習は、外部のレンチの下での適合した動きを追跡するための単一のポリシーを訓練する。
最後に、広範囲なシミュレーションと実世界の実験により、上半身のレンチに対する全身適合性反応、両剛性コマンドの全範囲にわたるモノトニック変調、遠隔操作のロコ操作タスクの適用性を示す。
プロジェクトウェブサイト:https://lac-humanoid.github.io/
関連論文リスト
- Universal Manipulation Exoskeleton: Learning Compliant Whole-body Policies with Real-time Torque Feedback [23.21469125720761]
リアルタイムな触覚トルクフィードバックを提供する上肢外骨格であるUniversal Manipulation Exoskeleton(UME)を提案する。
この組み合わせによって、高度に制約された空間で効果的に機能するバイマン的、全体的、そして積極的なコンプライアンスポリシーを学習できることを示す。
論文 参考訳（メタデータ） (2026-06-12T07:57:13Z) - WT-UMI: Tactile-based Whole-Body Manipulation via Force-Supervised Contact-Aware Planning [7.150534189488604]
ばらばらで変形可能な、共有負荷オブジェクトの全身ヒューマノイド操作には、分散接触センシングと明示的な力規制が必要である。
本稿では,人間の操作者やヒューマノイドに装着したウェアラブルな全身触覚インタフェースである textbfWT-UMI を提案する。
論文 参考訳（メタデータ） (2026-06-11T11:45:58Z) - VAIC: Vision-Guided Humanoid Agile Object Interaction Control via Decoupled Commands [56.029505206531155]
Vision Guided Agile Interaction Control (VAIC)は、現在のコントローラとヒューマノイドロボットのギャップを埋める統合フレームワークである。
まず、特権教師政策は、正確な物体運動学と正確な環境状態を用いて多様な相互作用スキルを習得する。
第二に、デプロイ可能な学生ポリシーは、全体追跡を複数の軸にまたがる速度目標に置き換えることで、これらの能力を蒸留する。
論文 参考訳（メタデータ） (2026-06-08T09:52:55Z) - 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) - HAIC: Humanoid Agile Object Interaction Control via Dynamics-Aware World Model [56.4392302336014]
本稿では,外部状態推定を伴わない多種多様なオブジェクトダイナミクス間のロバストな相互作用のためのフレームワークであるHAICを提案する。
我々の重要な貢献は、主観的歴史のみから高次対象状態(速度、加速度)を推定するダイナミクス予測器である。
ヒューマノイドロボットの実験では、HAICはアジャイルタスクで高い成功率を達成する。
論文 参考訳（メタデータ） (2026-02-12T09:34:35Z) - 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) - GentleHumanoid: Learning Upper-body Compliance for Contact-rich Human and Object Interaction [14.278503723930998]
GentleHumanoidは、インピーダンス制御を全身のモーショントラッキングポリシーに統合し、上半身のコンプライアンスを実現するフレームワークである。
我々は,Unitree G1ヒューマノイドとシミュレーションの両方において,異なるレベルのコンプライアンスを必要とするタスクに対するアプローチを評価した。
論文 参考訳（メタデータ） (2025-11-06T18:59:33Z) - DemoHLM: From One Demonstration to Generalizable Humanoid Loco-Manipulation [29.519071338337685]
シミュレーションにおける1つのデモから,実ロボット上でのヒューマノイドロコ操作のためのフレームワークであるDemoHLMを提案する。
全身のコントローラーは、全身のモーションコマンドを関節トルクにマッピングし、ヒューマノイドロボットのための全方向移動手段を提供する。
実験では, 合成データ量と政策性能との間に正の相関が認められた。
論文 参考訳（メタデータ） (2025-10-13T10:49:40Z) - Feel the Force: Contact-Driven Learning from Humans [52.36160086934298]
操作中のきめ細かい力の制御は、ロボット工学における中核的な課題である。
We present FeelTheForce, a robot learning system that model human tactile behavior to learn force-sensitive control。
提案手法は,5つの力覚的操作タスクで77%の成功率を達成した,スケーラブルな人間の監督において,堅牢な低レベル力制御を実現する。
論文 参考訳（メタデータ） (2025-06-02T17:57:52Z) - InterControl: Zero-shot Human Interaction Generation by Controlling Every Joint [67.6297384588837]
関節間の所望距離を維持するために,新しい制御可能な運動生成手法であるInterControlを導入する。
そこで本研究では,既成の大規模言語モデルを用いて,ヒューマンインタラクションのための結合ペア間の距離を生成できることを実証した。
論文 参考訳（メタデータ） (2023-11-27T14:32:33Z)
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。