論文の概要: Adaptive-MHE : A Sampling-Based Adaptive MPC for Legged Loco-Manipulation via Moving Horizon Estimation

• arxiv url: http://arxiv.org/abs/2609.17832v1
• Date: Tue, 15 Sep 2026 20:49:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-20 08:55:53.540022
• Title: Adaptive-MHE : A Sampling-Based Adaptive MPC for Legged Loco-Manipulation via Moving Horizon Estimation
• Title（参考訳）: Adaptive-MHE : 移動水平推定による脚のロコマニピュレーションのためのサンプリング型適応MPC
• Abstract要約: 脚のついたロボットは、様々な地形を横断する驚くべき能力を示してきたが、効果的なロコ操作行動を生成することは依然として困難である。 重要な難点は、物体と地形のパラメータは通常ロボットに未知であり、これらのパラメータとシミュレーションされたパラメータのミスマッチは、制御性能を低下させるシム・トゥ・リアルのギャップをもたらすことである。 本稿では,移動地平面推定(MHE)に基づくオンラインサンプリングベースのSys-IDフレームワークであるAdaptive-MHEを提案する。
• 参考スコア（独自算出の注目度）: 44.559107471084786
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Legged robots have demonstrated a remarkable ability to traverse various terrains, yet generating effective loco-manipulation behaviors remains challenging. A key difficulty is that object and terrain parameters are typically unknown to the robot, and mismatches between these parameters and their simulated counterparts introduce a sim-to-real gap that degrades control performance. Classical system identification (Sys-ID) methods often assume differentiable dynamics, an assumption that does not hold for contact-rich legged systems. Sampling-based Sys-ID avoids this restriction by directly matching simulated and recorded state trajectories through massively parallel rollouts, but existing approaches are typically applied offline and do not adapt as environmental conditions change. We present Adaptive-MHE an online sampling-based Sys-ID framework, based on moving horizon estimation (MHE), that estimates the physical parameters of objects and terrain in the environment (e.g., mass, friction) and couples this estimate with a sampling-based model predictive controller, enabling adaptive loco-manipulation in changing and uncertain environments. In simulation and hardware experiments, our framework consistently outperforms baselines and matches the performance of a controller with access to ground-truth parameters.
• Abstract（参考訳）: 脚のついたロボットは、様々な地形を横断する驚くべき能力を示してきたが、効果的なロコ操作行動を生成することは依然として困難である。 重要な難点は、物体と地形のパラメータは通常ロボットに未知であり、これらのパラメータとシミュレーションされたパラメータのミスマッチは、制御性能を低下させるシム・トゥ・リアルのギャップをもたらすことである。 古典的なシステム識別法(Sys-ID)は、しばしば微分力学を仮定する。 サンプリングベースのSys-IDは、非常に並列なロールアウトを通じてシミュレーションおよび記録された状態軌跡を直接マッチングすることで、この制限を回避するが、既存のアプローチは通常オフラインで適用され、環境条件の変化に適応しない。 本稿では,移動地平線推定(MHE)に基づくオンラインサンプリングベースSys-IDフレームワークであるAdaptive-MHEを提案する。これは,環境中の物体や地形の物理的パラメータ(例えば,質量,摩擦)を推定し,この推定をサンプリングベースモデル予測コントローラと組み合わせることで,変化や不確実な環境における適応的なロコ操作を可能にする。 シミュレーションおよびハードウェア実験において,本フレームワークはベースラインを一貫して上回り,制御器の性能と接地構造パラメータへのアクセスとを一致させる。

関連論文リスト

• WorldSimProbe: Diagnosing Simulator Faithfulness in Action-Conditioned World Models for Embodied Manipulation [85.15806404962193]
  行動条件付き世界モデル(ACWM)は、計画、ポリシー評価、データ生成のためのスケーラブルな予測シミュレータを具現化したAIを提供することを約束する。 物理シミュレータが期待する観測能力を用いてACWMを評価する。 WorldSimProbeは、制御のバリエーション、相互作用のグラウンディングにおける構造化された障害、ダイナミックスにまたがる、システマティックなアクション実現の劣化を明らかにする。
  論文  参考訳（メタデータ） (2026-08-10T08:48:06Z)
• Learning Context-Aware Neural ODE Dynamics for Adaptive Robotic Control [55.01272784312405]
  本稿では,ニューラル常微分方程式に基づく文脈認識力学モデルを提案する。 Sphero BOLTロボットとFanucマニピュレータを実世界の実験で使用した。
  論文  参考訳（メタデータ） (2026-06-13T20:55:46Z)
• Bayesian Optimization for Learning Nonlinear MPC in Autonomous Agent Navigation [0.0]
  提案するフレームワークはロボット非依存であり,ガゼボを用いたシミュレーションにおいて,Unitree Go2の4倍の精度で評価されている。 完全なシステムは、デプロイ時に最大90.0%のナビゲーション成功率を達成するとともに、シミュレーション環境全体の評価指標を平均38.9%改善する。
  論文  参考訳（メタデータ） (2026-06-08T16:08:09Z)
• Inductive Domain Transfer In Misspecified Simulation-Based Inference [29.26298096319145]
  キャリブレーションと分散アライメントを1つのエンドツーエンドのトレーニング可能なモデルに統合する,完全な帰納的・償却型SBIフレームワークを提案する。 我々のアプローチは、他の標準SBIおよび非SBI推定器と同様に、RoPEの性能と一致または上回っている。
  論文  参考訳（メタデータ） (2025-08-21T14:06:42Z)
• Parameter-Adaptive Approximate MPC: Tuning Neural-Network Controllers without Retraining [50.00291020618743]
  この研究は、大規模なデータセットを再計算し、再トレーニングすることなくオンラインチューニングが可能な、新しいパラメータ適応型AMPCアーキテクチャを導入している。 資源制約の厳しいマイクロコントローラ(MCU)を用いた2種類の実カートポールシステムの揺らぎを制御し,パラメータ適応型AMPCの有効性を示す。 これらの貢献は、現実世界のシステムにおけるAMPCの実践的応用に向けた重要な一歩である。
  論文  参考訳（メタデータ） (2024-04-08T20:02:19Z)
• Formal Controller Synthesis for Markov Jump Linear Systems with Uncertain Dynamics [64.72260320446158]
  マルコフジャンプ線形系に対する制御器の合成法を提案する。 本手法は,MJLSの離散(モードジャンピング)と連続(確率線形)の両方の挙動を捉える有限状態抽象化に基づいている。 本手法を複数の現実的なベンチマーク問題,特に温度制御と航空機の配送問題に適用する。
  論文  参考訳（メタデータ） (2022-12-01T17:36:30Z)
• Learning Variable Impedance Control for Aerial Sliding on Uneven Heterogeneous Surfaces by Proprioceptive and Tactile Sensing [42.27572349747162]
  本研究では,空中すべり作業に対する学習に基づく適応制御手法を提案する。 提案するコントローラ構造は,データ駆動制御とモデルベース制御を組み合わせたものである。 美術品間相互作用制御手法の微調整状態と比較して,追従誤差の低減と外乱拒否の改善を実現した。
  論文  参考訳（メタデータ） (2022-06-28T16:28:59Z)
• Nonprehensile Riemannian Motion Predictive Control [57.295751294224765]
  本稿では,リアル・ツー・シムの報酬分析手法を導入し,リアルなロボット・プラットフォームに対する行動の可能性を確実に予測する。 連続的なアクション空間でオブジェクトを反応的にプッシュするクローズドループコントローラを作成します。 我々は,RMPCが乱雑な環境だけでなく,乱雑な環境においても頑健であり,ベースラインよりも優れていることを観察した。
  論文  参考訳（メタデータ） (2021-11-15T18:50:04Z)

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。