論文の概要: Skill Composition for Legged Robot Reinforcement Learning

• arxiv url: http://arxiv.org/abs/2609.14647v1
• Date: Sun, 13 Sep 2026 16:32:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-16 07:15:05.873204
• Title: Skill Composition for Legged Robot Reinforcement Learning
• Title（参考訳）: ロボット強化学習のためのスキル構成
• Abstract要約: 我々は、独立行政の構成は、それ自体が研究上の問題として扱われるべきであると主張する。 特定のポリシー間で制御を安全に行うことができれば、ロボットが次にすべきことは、まったく異なる性質の構成要素に委譲することができる。
• 参考スコア（独自算出の注目度）: 4.917317902787791
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Robots, and humanoid robots in particular, are increasingly competent at individual behaviors, each obtained by training a specialized controller. A specialized skill is quick to train, converges reliably because the problem it faces is narrow, and can be validated on its own, none of which is true of a single end-to-end policy asked to cover everything. What remains fragile is the transition between them. We argue that the composition of independent sub-policies deserves to be treated as a research problem in its own right, rather than as an implementation detail left to whatever mechanism happens to be at hand. Reliable composition is what turns a collection of separate skills into a repertoire that can be used, extended and shared. More fundamentally, if control can be passed between specialized policies safely, and at any moment, the choice of what the robot should do next can be delegated to a component of an entirely different nature, such as a planner, an automaton or a symbolic controller, whose behavior can be inspected in advance. The policies would then only ever have to act, and what the robot can be trusted to do would become verifiable.
• Abstract（参考訳）: ロボット、特にヒューマノイドロボットは、それぞれが専門のコントローラーを訓練することによって得られる個々の行動に適している。 専門的なスキルは訓練が簡単で、直面する問題が狭く、独自に検証できるため、確実に収束します。 脆弱なままのものは、それら間の遷移である。 独立行政の構成は、どのようなメカニズムが手元にあるにせよ、実装の詳細としてではなく、それ自体が研究上の問題として扱われるべきである、と我々は主張する。 信頼性の高い構成は、別々のスキルの集まりを、使用、拡張、共有が可能なレパートリーに変えるものです。 より根本的には、もし制御が特定のポリシー間で安全に渡され、いつでも、ロボットが次にすべき選択は、計画者、オートマトン、シンボルコントローラなど全く異なる性質の構成要素に委譲され、その動作を事前に検査することができる。 すると、ポリシーは決して行動しなくてはならず、ロボットが何を信用できるかが検証される。

関連論文リスト

• "Meet My Sidekick!": Effects of Separate Identities and Control of a Single Robot in HRI [2.9526116668007063]
  ロボットの能力とアイデンティティの提示は、ロボットに対する人間の協調者の認識と暗黙の信頼に直接影響を及ぼす。 人間とは異なり、物理的なロボットは異なるアイデンティティを同時に提示し、ロボットの異なる部分に居住させ制御させる。
  論文  参考訳（メタデータ） (2026-02-07T15:51:33Z)
• Scalable and General Whole-Body Control for Cross-Humanoid Locomotion [47.617416398266506]
  本稿では,ヒューマノイドロボットのためのクロスボディトレーニングフレームワークであるXHugWBCを紹介する。 XHugWBCは、トレーニング中の形態的および動的特性の広範な分布を内部化する。 12個の擬似ヒューマノイドと7つの現実世界ロボットの実験は、結果として生じるユニバーサルコントローラの強い一般化と堅牢性を示している。
  論文  参考訳（メタデータ） (2026-02-05T15:48:15Z)
• Controlling diverse robots by inferring Jacobian fields with deep networks [48.279199537720714]
  自然生物の複雑な構造と多様な機能を反映することは、ロボット工学における長年の課題である。 本稿では,深層ニューラルネットワークを用いてロボットの映像ストリームをバイスモータヤコビアン場にマッピングする手法を提案する。 提案手法は,正確なクローズドループ制御を実現し,各ロボットの因果動的構造を復元する。
  論文  参考訳（メタデータ） (2024-07-11T17:55:49Z)
• Commonsense Reasoning for Legged Robot Adaptation with Vision-Language Models [81.55156507635286]
  脚のついたロボットは、様々な環境をナビゲートし、幅広い障害を克服することができる。 現在の学習手法は、人間の監督を伴わずに、予期せぬ状況の長い尾への一般化に苦慮することが多い。 本稿では,VLM-Predictive Control (VLM-PC) というシステムを提案する。
  論文  参考訳（メタデータ） (2024-07-02T21:00:30Z)
• Imagining In-distribution States: How Predictable Robot Behavior Can Enable User Control Over Learned Policies [1.6078134198754157]
  Imaginary Out-of-Distribution Actions, IODAは, ロボットの行動に対する期待を利用して新しいタスクを遂行するアルゴリズムである。 IODAは、タスクパフォーマンスの向上と、ロボットの動作とユーザの期待の一致の度合いの向上につながる。
  論文  参考訳（メタデータ） (2024-06-19T17:08:28Z)
• Correspondence learning between morphologically different robots via task demonstrations [2.1374208474242815]
  形態の異なる2つ以上のロボットの対応関係を学習する手法を提案する。 本提案手法では,関節制御付き固定ベースマニピュレータロボットと差動駆動移動ロボットとが対応可能である。 本研究では,実際のマニピュレータロボットとシミュレートされた移動ロボットとの対応学習の概念実証を行う。
  論文  参考訳（メタデータ） (2023-10-20T12:42:06Z)
• Learning Vision-based Pursuit-Evasion Robot Policies [54.52536214251999]
  我々は、部分的に観察可能なロボットの監督を生成する完全観測可能なロボットポリシーを開発する。 我々は、RGB-Dカメラを搭載した4足歩行ロボットに、野生での追従回避のインタラクションにポリシーを展開させる。
  論文  参考訳（メタデータ） (2023-08-30T17:59:05Z)
• Exploring AI-enhanced Shared Control for an Assistive Robotic Arm [4.999814847776098]
  特に,アートインテリジェンス(AI)を共有制御パラダイムに統合する方法について検討する。 特に,人間とロボットのインターフェースの簡潔な要件に着目した。
  論文  参考訳（メタデータ） (2023-06-23T14:19:56Z)
• Robots with Different Embodiments Can Express and Influence Carefulness in Object Manipulation [104.5440430194206]
  本研究では,2つのロボットによるコミュニケーション意図による物体操作の知覚について検討する。 ロボットの動きを設計し,物体の搬送時に注意を喚起するか否かを判断した。
  論文  参考訳（メタデータ） (2022-08-03T13:26:52Z)
• Hierarchical Quality-Diversity for Online Damage Recovery [1.376408511310322]
  階層的行動レパートリーを用いて多様なスキルを学習する階層的試行錯誤アルゴリズムを導入する。 階層的なスキルの分解により、ロボットはより複雑な振る舞いを学習し、レパートリーの学習を学習しやすくする。
  論文  参考訳（メタデータ） (2022-04-12T11:44:01Z)
• Adaptation of Quadruped Robot Locomotion with Meta-Learning [64.71260357476602]
  本研究では,多岐にわたる移動課題を解くロボットの訓練にメタ強化学習を用いることを実証する。 メタトレーニングロボットのパフォーマンスは、単一のタスクでトレーニングされたロボットと似ている。
  論文  参考訳（メタデータ） (2021-07-08T10:37:18Z)

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。