論文の概要: MulDP: Multimodal Diffusion Policy for Autonomous Quadruped Parkour Navigation across Complex Terrains
- arxiv url: http://arxiv.org/abs/2609.03984v1
- Date: Thu, 03 Sep 2026 15:19:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-04 18:28:39.129246
- Title: MulDP: Multimodal Diffusion Policy for Autonomous Quadruped Parkour Navigation across Complex Terrains
- Title（参考訳）: MulDP:複雑な地形を横断する自律四足歩行のためのマルチモーダル拡散政策
- Abstract要約: 四足歩行ロボットは、複雑な地形を横断するパール・ロコムーブメントにおいて、印象的な俊敏性を示している。
主な課題は、微粒な速度調節、長期的な予測行動、知覚と実施の密結合である。
本稿では,視覚認識とロボットの受容と目標情報を統合し,時間的コヒーレントかつ予測的なナビゲーション速度コマンドを生成するマルチモーダル拡散ポリシー(MulDP)を提案する。
- 参考スコア（独自算出の注目度）: 25.563239253434663
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Quadruped robots have demonstrated impressive agility in parkour locomotion across complex terrains. However, most systems still rely on human intervention for high-level planning, and autonomous parkour navigation remains underexplored. The key challenges include fine-grained velocity regulation, long-horizon anticipatory behaviors, and tight coupling between perception and embodied execution. To address these challenges, we propose a Multimodal Diffusion Policy (MulDP) that integrates visual perception with robot proprioception and goal information to generate temporally coherent and anticipatory navigation velocity commands, tightly coupling perception with embodied control to enable robust autonomous navigation. To support the training of MulDP, we construct the first Quadruped Parkour Navigation Dataset (QPND), a multimodal dataset that encompasses diverse navigation behaviors and complex terrains. Extensive simulation and real-world experiments demonstrate that MulDP enables robust long-horizon autonomous navigation and effective traversal across complex terrains.
- Abstract（参考訳）: 四足歩行ロボットは、複雑な地形を横断するパール・ロコムーブメントにおいて、印象的な俊敏性を示している。
しかし、ほとんどのシステムは高いレベルの計画に人間の介入に依存しており、自律的なパールナビゲーションは未調査のままである。
主な課題は、微粒な速度制御、長距離予測行動、知覚と実施の密結合である。
これらの課題に対処するために,ロボットのプロプリセプションと目標情報を統合したマルチモーダル拡散ポリシー(MulDP)を提案する。
MulDPのトレーニングを支援するために,多様なナビゲーション行動や複雑な地形を含むマルチモーダルデータセットであるQuadruped Parkour Navigation Dataset (QPND) を構築した。
大規模なシミュレーションと実世界の実験により、MulDPは複雑な地形を横断する堅牢な長距離自律航法と効果的な航法を可能にすることが示されている。
関連論文リスト
- Learning Agile Navigation in Crowded Environments for Quadruped Robots [19.29089241882416]
VOP-Navは四足歩行ロボットのための新しいナビゲーションシステムである。
これは、Velocity Obstaclesの幾何学的安全性と、エンドツーエンドの学習のアジャイル適応性を組み合わせたものです。
VOP-Navは速度と衝突回避のバランスをとりながら、すべてのベースラインよりも高い成功率を達成する。
論文 参考訳（メタデータ） (2026-07-16T14:16:19Z) - Agile perceptive multi-skill locomotion for quadrupedal robots in the wild [4.14240816913171]
APT-RL(Action Pretrained Transformer-based Reinforcement Learning)はマルチスキル・ロコモーションを実現する統合フレームワークである。
提案手法は,高速なダイナミックスを用いた軌道最適化により,大規模で特徴量の多い2次元運動データセットを生成する。
結果として得られる高品質のスキルは、複雑な下流のタスクを効率的に学習し、自然に3D環境に拡張するための強力な先駆となる。
論文 参考訳（メタデータ） (2026-07-15T08:22:52Z) - AURA: Multimodal Shared Autonomy for Real-World Urban Navigation [49.419374037785815]
複雑な都市環境でのロングホライゾンナビゲーションは、連続した人間の操作に大きく依存している。
AURA(Assistive Urban Robot Autonomy)は、都市ナビゲーションを高レベルなヒューマンインストラクションと低レベルなAI制御に分解する新しいマルチモーダルフレームワークである。
AURAは、効果的に人間の指示に従い、手動操作の労力を減らし、ナビゲーションの安定性を改善し、オンライン適応を可能にしている。
論文 参考訳（メタデータ） (2026-04-02T05:59:31Z) - AutoFly: Vision-Language-Action Model for UAV Autonomous Navigation in the Wild [62.47761809929869]
視覚言語ナビゲーション(VLN)は、視覚的観察とともに言語指示を解釈することで、知的エージェントが環境をナビゲートする必要がある。
無人航空機(UAV)の現在のVLN研究は、所定のルートに沿ってUAVを誘導するための詳細な指示に依存している。
本稿では,自律型UAVナビゲーションのためのエンド・ツー・エンドのビジョン・ランゲージ・アクションモデルであるAutoFlyを提案する。
論文 参考訳（メタデータ） (2026-02-10T11:08:07Z) - Hybrid Motion Planning with Deep Reinforcement Learning for Mobile Robot Navigation [0.0]
深部強化学習(HMP-DRL)によるハイブリッド運動計画
状態空間と報酬関数の両方に符号化されたチェックポイントのシーケンスを通じて、局所DRLポリシーに統合されたパスを生成するグラフベースのグローバルプランナを提案する。
社会的コンプライアンスを確保するため、地域プランナーは、周辺エージェントのセマンティックタイプに基づいて、安全マージンと罰則を動的に調整するエンティティ対応報酬構造を採用する。
論文 参考訳（メタデータ） (2025-12-31T05:58:57Z) - QuadrupedGPT: Towards a Versatile Quadruped Agent in Open-ended Worlds [51.05639500325598]
ペットに匹敵するアジリティで多様なコマンドに従うように設計されたQuadrupedGPTを紹介します。
エージェントは多種多様なタスクを処理し,複雑な指示を行う能力を示し,多種多様四重化エージェントの開発に向けた重要な一歩である。
論文 参考訳（メタデータ） (2024-06-24T12:14:24Z) - Learning Robust Autonomous Navigation and Locomotion for Wheeled-Legged Robots [50.02055068660255]
都市環境のナビゲーションは、ロボットにとってユニークな課題であり、移動とナビゲーションのための革新的なソリューションを必要としている。
本研究は, 適応移動制御, 移動対応ローカルナビゲーション計画, 市内の大規模経路計画を含む, 完全に統合されたシステムを導入する。
モデルフリー強化学習(RL)技術と特権学習を用いて,多目的移動制御系を開発した。
私たちのコントローラーは大規模な都市航法システムに統合され、スイスのチューリッヒとスペインのセビリアで自律的、キロメートル規模の航法ミッションによって検証されます。
論文 参考訳（メタデータ） (2024-05-03T00:29:20Z) - TOP-Nav: Legged Navigation Integrating Terrain, Obstacle and Proprioception Estimation [5.484041860401147]
TOP-Navは、包括的パスプランナーとTerran認識、Obstacle回避、クローズループプロプライオセプションを統合した、新しい脚付きナビゲーションフレームワークである。
そこで,TOP-Navは,従来の知識の分布を超えた地形や乱れをロボットが扱えるように,オープンワールドナビゲーションを実現する。
論文 参考訳（メタデータ） (2024-04-23T17:42:45Z) - ETPNav: Evolving Topological Planning for Vision-Language Navigation in
Continuous Environments [56.194988818341976]
視覚言語ナビゲーションは、エージェントが環境中をナビゲートするための指示に従う必要があるタスクである。
本研究では,1)環境を抽象化し,長距離航法計画を生成する能力,2)連続環境における障害物回避制御能力の2つの重要なスキルに焦点を当てたETPNavを提案する。
ETPNavは、R2R-CEとRxR-CEデータセットの先行技術よりも10%以上、20%改善されている。
論文 参考訳（メタデータ） (2023-04-06T13:07:17Z) - Coupling Vision and Proprioception for Navigation of Legged Robots [65.59559699815512]
我々は視覚と受容の相補的な強みを利用して、脚のあるロボットでポイントゴールナビゲーションを実現する。
車輪付きロボット(LoCoBot)のベースラインよりも優れた性能を示す。
また,センサーと計算能力を備えた四足歩行ロボットに,我々のシステムを実環境に展開することも示す。
論文 参考訳（メタデータ） (2021-12-03T18:59:59Z)
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。