論文の概要: Constraint-Grounded Reinforcement Learning for Variable Impedance Control in Contact-Rich Robotic Insertion

• arxiv url: http://arxiv.org/abs/2609.13516v1
• Date: Fri, 11 Sep 2026 20:36:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-16 07:15:05.37251
• Title: Constraint-Grounded Reinforcement Learning for Variable Impedance Control in Contact-Rich Robotic Insertion
• Title（参考訳）: コンタクトリッチロボットインサーションにおける可変インピーダンス制御のための制約付き強化学習
• Abstract要約: 不確実な接触下でのロボット挿入では、軸方向の力限界と適切な制御器の利得はタスクによって異なる。 本稿では,オンラインゲイン適応のための可変インピーダンスフレームワークであるConstraint-Grounded Reinforcement Learning (CG-RL)を提案する。 CG-RLは、力限界に違反することなく挿入の成功率を85.8pm7.7%で達成する。
• 参考スコア（独自算出の注目度）: 2.838052797526147
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In robotic insertion under uncertain contact, the axial force limit and the appropriate controller gain vary across tasks. As a result, a single fixed gain is unlikely to remain suitable across different task conditions, making conventional impedance controllers reliant on manual retuning. To eliminate manual retuning, we propose Constraint-Grounded Reinforcement Learning (CG-RL), a variable impedance framework for online gain adaptation. Conditioned on the force limit and contact feedback, the policy outputs a residual motion, an insertion rate, and a requested gain. The controller projects this gain into the admissible range without exposing the range itself to the policy. This separation allows a single policy to operate under different force limits without retraining or manual retuning. We evaluate CG-RL on simulated oblique insertion across five training seeds. CG-RL achieves an $85.8\pm7.7\%$ (mean $\pm$ SD) success rate of insertions without violating the force limit, while keeping the applied gain within the admissible range. As a comparison, a fixed-gain baseline using the midpoint gain achieves a success rate of $50.1\%$. The policy adapts its insertion rate continuously to the specified force limit and further generalizes to more permissive force limits above the training range. In contrast, the same actor without force-limit input does not exhibit this adaptation. The applied gain is guaranteed to remain within the admissible range, while force-limit satisfaction is validated empirically rather than guaranteed formally.
• Abstract（参考訳）: 不確実な接触下でのロボット挿入では、軸方向の力限界と適切な制御器の利得はタスクによって異なる。 その結果、1つの固定利得が異なるタスク条件に適合する可能性は低く、従来のインピーダンスコントローラは手動の調整に依存している。 オンラインゲイン適応のための可変インピーダンスフレームワークであるConstraint-Grounded Reinforcement Learning (CG-RL)を提案する。 力限界と接触フィードバックに基づいて、ポリシーは残留運動、挿入率、要求利得を出力する。 コントローラはこの利得を許容範囲に投影し、その範囲をポリシーに公開する。 この分離により、1つの政策は、訓練や手動の調整なしに異なる力の制限の下で運用することができる。 CG-RLを訓練種子5種に対して模擬斜め挿入法で評価した。 CG-RLは、8.8\pm7.7\%$ (mean $\pm$ SD) の挿入成功率は、許容範囲内で適用利得を保ちながら、力限界に違反することなく達成する。 比較として、中間点ゲインを用いた固定ゲインベースラインは、50.1\%の成功率を達成する。 このポリシーは、挿入率を所定の力限界に継続的に適応させ、さらに訓練範囲以上の許容力限界に一般化する。 対照的に、強制制限入力のない同一アクターは、この適応を示さない。 適用利得は許容範囲内に留まることが保証され、一方、強制限界満足度は正式に保証されるよりも経験的に検証される。

関連論文リスト

• SVR: Self-Verifying Refinement via Joint Verdict-Confidence Reinforcement Learning for Adaptive Test-Time Compute [62.3458279176813]
  自己検証リファインメント(Self-Verifying Refinement)は、オラクルフリーのマルチターン強化学習フレームワークである。 自己検証を計算制御ポリシとして使用することを学ぶ。 マクロ平均精度は0.563で、平均で2.99回しか推測できない。
  論文  参考訳（メタデータ） (2026-07-30T16:20:58Z)
• FORGE-plus: Force-Budgeted Recovery for Contact-Rich Assembly with a Frozen LLM Supervisor [0.0]
  力条件強化学習(RL)は、強制力天井下での厳密なクリアランスアセンブリを可能にする。 本稿では,テキストのみの大規模言語モデル(LLM)が実行前にオブジェクトごとの力天井を割り当てるフレームワークを提案する。 2つのグリップパを用いて, 脆性ボトル配置と0.4mmダイメトラルクリーランス歯車挿入の枠組みを評価した。
  論文  参考訳（メタデータ） (2026-07-23T11:43:31Z)
• One-Way Policy Optimization for Self-Evolving LLMs [63.8638342097375]
  RLVR(Reinforcement Learning with Verifiable Rewards)は,Large Language Models(LLMs)の推論能力を拡張するための,有望なパラダイムとなっている。 本稿では,最適化方向を更新等級から切り離す手法である1-Way Policy Optimization (OWPO)を提案する。 実験の結果,OWPOはDAPO,OPD,MOPDなどの強いベースラインより優れていた。
  論文  参考訳（メタデータ） (2026-05-21T08:25:27Z)
• Constraint-Enhanced Reinforcement Learning Based on Dynamic Decoupled Spherical Radial Squashing [1.2036262042590717]
  各関節が制御ステップごとにどれだけ速く動けるかは、避けられない。 既存の方法は等方性球形の制約を課し、指数関数的に真の実現可能な集合を覆い隠す。 本稿では,ダイナミックデカップリング型球状ラジアルスクアッシング(DD-SRad)を提案する。 Unitree H1とG1のヒューマノイドロボットによる実験は、公式な共同仕様から直接パラメータ化されたエンドツーエンドの最適性を確認する。
  論文  参考訳（メタデータ） (2026-05-05T18:24:46Z)
• Deep Reinforcement Learning for Robotic Manipulation under Distribution Shift with Bounded Extremum Seeking [42.278434352794676]
  強化学習はロボット操作において高い性能を示してきたが、テスト条件がトレーニング分布と異なる場合、学習ポリシーは性能が低下することが多い。 この制限は、特にプッシュ・アンド・ピック・アンド・プレイス(push and pick-and-place)のような、目標の変化、接触条件の変化、あるいはロボットのダイナミクスによって、推論時にシステムのアウト・オブ・ディストリビューションを駆動できるような、コンタクトリッチなタスクにおいて重要である。 本稿では,これらの条件下での堅牢性向上を図るために,強化学習と有界極限を組み合わせたハイブリッドコントローラについて検討する。
  論文  参考訳（メタデータ） (2026-04-01T16:59:01Z)
• Improving Search Agent with One Line of Code [68.58667107354253]
  ツールベースのエージェント強化学習(TARL)は,検索エージェントが外部ツールと対話できるようにトレーニングするための,有望なパラダイムとして登場した。 textbfSearch textbfAgent textbfPolicy textbfOptimization (textbfSAPO)を提案する。
  論文  参考訳（メタデータ） (2026-03-10T04:07:39Z)
• Force-Aware Residual DAgger via Trajectory Editing for Precision Insertion with Impedance Control [7.670131142516991]
  TER-DAggerは、コンタクトリッチな操作のための力覚的模倣学習フレームワークである。 実験により、TER-DAggerは行動クローニング、ヒト誘導補正、リトレーニング、微調整ベースラインと比較して平均成功率を37%以上改善することが示された。
  論文  参考訳（メタデータ） (2026-03-04T13:18:05Z)
• Boundary-to-Region Supervision for Offline Safe Reinforcement Learning [56.150983204962735]
  バウンダリ・トゥ・レギオン(Bundary-to-Region, B2R)は、コスト信号による非対称な条件付けを可能にするフレームワークである。 B2Rは、CTGを固定された安全予算の下で境界制約として再定義し、すべての実行可能な軌道のコスト分布を統一する。 実験の結果,B2Rは38項目中35項目の安全制約を満たすことがわかった。
  論文  参考訳（メタデータ） (2025-09-30T03:38:20Z)
• Double Check My Desired Return: Transformer with Target Alignment for Offline Reinforcement Learning [64.6334337560557]
  教師付き学習(RvS)による強化学習は、シーケンスモデリングタスクとしてオフラインRLをフレーム化する。 決定変換器(DT)は、実際の完了したリターンを特定のターゲットリターンと確実に整合させるのに苦労する。 そこで我々は,Offline RLの目標アライメントによる変換器の二重チェックを行う新しいアプローチであるDoctorを提案する。
  論文  参考訳（メタデータ） (2025-08-22T14:30:53Z)
• Spectral Normalization for Lipschitz-Constrained Policies on Learning Humanoid Locomotion [12.790605143952996]
  この研究は、リプシッツ連続性を強制する効率的な代替としてスペクトル正規化(SN)を提案する。 SNは、GPUメモリ使用量を大幅に削減しながら、高周波ポリシーの変動を効果的に制限する。 シミュレーションと実世界のヒューマノイドロボットを用いた実験により,SNは勾配ペナルティ法に匹敵する性能を発揮することが示された。
  論文  参考訳（メタデータ） (2025-04-11T04:12:15Z)
• SaFormer: A Conditional Sequence Modeling Approach to Offline Safe Reinforcement Learning [64.33956692265419]
  オフラインセーフなRLは、現実世界のアプリケーションにエージェントをデプロイする上で、非常に実用的な関連性を持っています。 そこで我々は,SaFormerと呼ばれる新しいオフラインセーフなRLアプローチを提案する。
  論文  参考訳（メタデータ） (2023-01-28T13:57:01Z)
• Guided Constrained Policy Optimization for Dynamic Quadrupedal Robot Locomotion [78.46388769788405]
  我々は,制約付きポリシー最適化(CPPO)の実装に基づくRLフレームワークであるGCPOを紹介する。 誘導制約付きRLは所望の最適値に近い高速収束を実現し,正確な報酬関数チューニングを必要とせず,最適かつ物理的に実現可能なロボット制御動作を実現することを示す。
  論文  参考訳（メタデータ） (2020-02-22T10:15:53Z)

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。