論文の概要: Actuator Dynamics Curricula for Narrow-Viability Tasks in Legged Robot Learning

• arxiv url: http://arxiv.org/abs/2609.09492v1
• Date: Tue, 08 Sep 2026 22:14:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-10 19:44:08.829209
• Title: Actuator Dynamics Curricula for Narrow-Viability Tasks in Legged Robot Learning
• Title（参考訳）: ゆがみロボット学習における狭視課題のためのアクチュエータダイナミクスカリキュラム
• Abstract要約: 強化学習(Reinforcement learning)は、広範囲の脚ロボットタスクで有能なコントローラを生成するが、サブセットは標準訓練下では収束しない。 EmphActuator Dynamics Curriculumは,関節の硬さを高い値で初期化し,完了エピソードの長さが大きくなるにつれてシステム同定値に短縮する手法である。 カーゴポール上でのカーネルの単調性を検証するとともに,ボストン・ダイナミクス・スポット上での四足歩行遷移にカリキュラムを適用した。
• 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: Reinforcement learning has produced capable controllers across a broad range of legged-robot tasks, but a subset of these tasks fail to converge under standard training: those for which most exploration trajectories terminate before producing useful gradient signal. To address such tasks we introduce the \emph{Actuator Dynamics Curriculum}, a procedure that initializes joint stiffness at a high value and anneals it toward the system-identified value as completed episode lengths grow. Using a cart-pole system as a representative example, we show that higher closed-loop joint natural frequency under critical damping enlarges the viability kernel of the underlying Markov Decision Process, increasing the fraction of initial states from which the task is feasible. We validate the kernel monotonicity on the cart-pole and apply the curriculum to a quadrupedal-to-handstand transition on the Boston Dynamics Spot, a narrow-viability task where training under fixed identified stiffness plateaus at a policy that never completes the transition. The trained policy executes the transition in simulation across 10 seeds and transfers to hardware. More broadly, our results suggest that simulated actuator dynamics is a useful axis along which to design curricula for tasks in which exploration is bottlenecked by termination conditions rather than by reward signal.
• Abstract（参考訳）: 強化学習(Reinforcement learning)は、幅広い脚ロボットタスクに有能なコントローラを作成したが、これらのタスクのサブセットは標準的訓練の下では収束せず、ほとんどの探索軌道が有用な勾配信号を生成する前に終了する。 このような課題に対処するために, 共同剛性を高い値で初期化し, 完了エピソードの長さが大きくなるにつれて, システム同定値に短縮する手法である 'emph{Actuator Dynamics Curriculum} を導入する。 カートポール方式を代表例として, 臨界減衰下での閉ループ継手自然周波数の増大は, 基礎となるマルコフ決定過程の可視性核を増大させ, タスクが実現可能な初期状態の分数を増加させることを示す。 カーゴポール上でのカーネルの単調性を検証するとともに,ボストン・ダイナミクス・スポットの4段階から3段階のトランジションにカリキュラムを適用した。 トレーニングされたポリシーは、10のシードとハードウェアへの転送をシミュレーションで移行する。 より広範に、シミュレーションアクチュエータのダイナミクスは、探索が報酬信号ではなく終了条件によってボトルネックとなるタスクのためのカリキュラムを設計する上で有用な軸であることが示唆された。

関連論文リスト

• Robust Brachiation on a Life-Sized Dual-Arm Robot Using Waypoint-Guided Reinforcement Learning [11.876800221374758]
  ブラキレーション(Brachiation)は、霊長類が主に腕を使って移動する移動形態である。 実物大のデュアルアームロボット上でのブレキレーションを実現するための強化学習に基づく手法を提案する。
  論文  参考訳（メタデータ） (2026-08-18T03:24:50Z)
• SPECTRA: Context-Conditioned Spectral Movement Primitives for Robot Skill Generalization [15.211665025521768]
  本稿では,タスク空間のスキル生成と共同実行規則を結合した周波数領域模倣学習フレームワークを提案する。 実験では, タスクバンド再構築, 複合実証汚損に対する堅牢性, 分配外一般化, 共同空間動的許容性, エンドエフェクタ経路保存, フランカパンダロボットへの展開を評価した。
  論文  参考訳（メタデータ） (2026-07-08T04:02:19Z)
• Mind Your Steps: A General Learning Framework for Accurate Humanoid Foothold Tracking [78.30338456206984]
  本稿では,汎用3D足場追跡ポリシーをトレーニングするための新しいフレームワークを提案する。 本手法は, 目標検層による足場支援を動的に行うことにより, 学習方針を特定の地形に依存しないものにする。 我々の新しいターゲット表現は、雑音や不正確なポーズ推定や足の接触推定といった現実の課題を効果的に緩和する。
  論文  参考訳（メタデータ） (2026-06-06T16:44:56Z)
• ProgressVLA: Progress-Guided Diffusion Policy for Vision-Language Robotic Manipulation [57.07494675832939]
  ロボット操作のための既存の視覚言語アクション(VLA)モデルは、進歩意識を欠いている。 本研究では,textbf vla という新しいモデルを提案し,タスク進捗の推定と統合について検討する。 CALVINとLIBEROベンチマークの実験は、実世界のロボットの展開とともに、成功率の大幅な改善を一貫して示している。
  論文  参考訳（メタデータ） (2026-03-29T12:38:11Z)
• Task-Centric Policy Optimization from Misaligned Motion Priors [5.008550719179743]
  共等目的ではなく条件付き正規化器として模倣を扱うタスクプライオリティ逆模倣フレームワークを提案する。 我々は,勾配の衝突とタスクプライオリティの定常点の理論解析を行い,ヒューマノイド制御実験による評価を行った。
  論文  参考訳（メタデータ） (2026-01-27T09:46:34Z)
• Learning to Move in Rhythm: Task-Conditioned Motion Policies with Orbital Stability Guarantees [45.137864140049814]
  我々は,学習した微分型エンコーダと超臨界ホップ分岐を結合したフレームワークであるOrbitally Stable Motion Primitives (OSMPs)を紹介する。 提案手法は,多種多様なロボットプラットフォームにまたがる広範囲なシミュレーションと実世界の実験によって検証される。
  論文  参考訳（メタデータ） (2025-07-12T17:10:03Z)
• Single-Shot Learning of Stable Dynamical Systems for Long-Horizon Manipulation Tasks [48.54757719504994]
  本稿では,必要なトレーニングデータ量を削減しつつ,タスク成功率の向上に焦点をあてる。 提案手法では,長距離実証をウェイポイントとサブゴールで定義された離散ステップに分割する手法を提案する。 シミュレーションと実世界の両方の実験を通して,本手法を検証し,シミュレーションから物理ロボットプラットフォームへの効果的移行を実証した。
  論文  参考訳（メタデータ） (2024-10-01T19:49:56Z)
• BiKC: Keypose-Conditioned Consistency Policy for Bimanual Robotic Manipulation [48.08416841005715]
  両面操作に適したキーポーズ条件の整合性ポリシーを導入する。 階層的な模倣学習フレームワークであり、ハイレベルなキープレース予測器と低レベルな軌道生成器から構成される。 シミュレーションおよび実世界の実験結果から,提案手法は成功率と運用効率の点で基準法を超越していることが示された。
  論文  参考訳（メタデータ） (2024-06-14T14:49:12Z)
• Towards Robust Continual Learning with Bayesian Adaptive Moment Regularization [51.34904967046097]
  継続的な学習は、モデルが以前に学習した情報を忘れてしまう破滅的な忘れ込みの課題を克服しようとする。 本稿では,パラメータ成長の制約を緩和し,破滅的な忘れを減らし,新しい事前手法を提案する。 以上の結果から, BAdamは, 単頭クラスインクリメンタル実験に挑戦する先行手法に対して, 最先端の性能を達成できることが示唆された。
  論文  参考訳（メタデータ） (2023-09-15T17:10:51Z)
• Leveraging Sequentiality in Reinforcement Learning from a Single Demonstration [68.94506047556412]
  本稿では,複雑なロボットタスクの制御ポリシーを1つの実演で学習するために,シーケンシャルなバイアスを活用することを提案する。 本研究は, ヒューマノイド移動やスタンドアップなど, 模擬課題のいくつかを, 前例のないサンプル効率で解くことができることを示す。
  論文  参考訳（メタデータ） (2022-11-09T10:28:40Z)
• Continuous Transition: Improving Sample Efficiency for Continuous Control Problems via MixUp [119.69304125647785]
  本稿では,連続的遷移を構築するための簡潔かつ強力な手法を提案する。 具体的には、連続的な遷移を線形に補間することにより、トレーニングのための新しい遷移を合成することを提案する。 また, 建設過程を自動案内する判別器を開発した。
  論文  参考訳（メタデータ） (2020-11-30T01:20:23Z)

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。