論文の概要: AthenaZero: A low-inertia, bimanual robot for dynamic manipulation

• arxiv url: http://arxiv.org/abs/2609.19194v1
• Date: Tue, 15 Sep 2026 21:42:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-20 08:55:53.936397
• Title: AthenaZero: A low-inertia, bimanual robot for dynamic manipulation
• Title（参考訳）: AthenaZero: 動的操作のための低慣性二足歩行ロボット
• Abstract要約: アテナゼロ (AthenaZero) は、制御権限を損なうことなく慣性を最小限に抑えるように設計されたバイマニュアルマニピュレータである。 このシステムは、従来のロボットマニピュレータよりも桁違いに少ない、人間に匹敵する効果的なエンドポイント質量を達成する。
• 参考スコア（独自算出の注目度）: 6.306643083677336
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: AthenaZero is a bimanual manipulator designed to minimize inertia without compromising control authority. By utilizing quasi-direct drive actuation and transmission remotization techniques, the system achieves an effective endpoint mass comparable to that of a human---about an order of magnitude less than conventional robot manipulators. This characteristic, combined with its inherent torque transparency, makes AthenaZero exceptionally well-suited for dynamic manipulation. We describe the methodology} that led to this design and demonstrate the robot's capabilities on three baseball-inspired tasks: throwing, catching, and batting, which showcase complex interactions on human-comparable timescales where milliseconds matter. AthenaZero was capable of throwing at speeds in excess of 30 m/s, with catching and batting at speeds in excess of 14 m/s over a short 7.3 m distance. Batting practice and a game of catch were subsequently performed in robot-to-robot and human-to-robot variations, showcasing the efficacy and adaptability of our system in tasks that require high acceleration.
• Abstract（参考訳）: アテナゼロ (AthenaZero) は、制御権限を損なうことなく慣性を最小限に抑えるように設計されたバイマニュアルマニピュレータである。 準ダイレクトドライブのアクチュエータとトランスミッションのリモーティング技術を利用して、従来のロボットマニピュレータよりも桁違いに少ない精度で、人間に匹敵する実効的なエンドポイントの質量を達成する。 この特性と固有のトルク透過性を組み合わせることで、アテナゼロは動的操作に非常に適している。 この設計に繋がる方法論について述べ、野球にインスパイアされた3つのタスク(投球、キャッチ、バッティング)でロボットの能力を実証する。 アテナゼロは30m/s以上の速度で投げることができ、短い7.3m距離で14m/s以上の速度でキャッチとバッティングを行うことができた。 ロボット・ロボット間・ロボット間・ロボット間・ロボット間・ロボット間・ロボット間・ロボット間・ロボット間・ロボット間・ロボット間・ロボット間・ロボット間・ロボット間・ロボット間・ロボット間・ロボット間・ロボット間・ロボット間・ロボット間・ロボット間・ロボット間・ロボット間・ロボット間・ロボット間・ロボット間・ロボット間・ロボット間・ロボット間・ロボット間・ロボット間・ロボット間・ロボット間・ロボット・ロボット・ロボット・ロボット・ロボット・ロボット・ロボット・ロボット・ロボット・ロボット・ロボット・ロボット・ロボット・ロボット・ロボット・ロボット・ロボット・ロボット・ロボット・ロボット・ロボット・ロボット・ロボット・ロボット・ロボット)。

関連論文リスト

• Breaking speed scaling in quadrupedal robots via Huygens' coupled-pendulum dynamics [3.208498459001999]
  ブルートフォースのハードウェアスケーリングよりも,本質的なダイナミックスを原則的に活用することで,優れた移動が実現可能であることを示す。 四足歩行ロボットは10.74m/s(Froude number 21.4)の走行速度を達成し、100mのスプリントを12.2秒で完了する。 これらの結果から, 高速脚移動制御機構として慣性カップリングが確立され, 力量削減におけるその役割が強調された。
  論文  参考訳（メタデータ） (2026-09-09T10:58:20Z)
• A System for Fast, Resilient, and Adaptable Loco-Manipulation Behaviors on Humanoid Robots [0.0]
  この論文では、ロボットがローカルで実行可能で、実行時の振る舞いのオーサリングと実行システムを提示している。 当社のシステムは,Coactive Designの原則に従って,最大で観測可能,予測可能,指示可能であることを目標としています。 私たちのシステムは、Boston DynamicsのDRC Atlas、NASAのValkyrie、IHMC、ボードウォークロボティクスのNadia、UnitreeのH1-2、IHMCのAlexなど、多くのヒューマノイドロボットにデプロイされています。
  論文  参考訳（メタデータ） (2026-06-24T22:30:08Z)
• HumanEgo: Zero-Shot Robot Learning from Minutes of Human Egocentric Videos [58.9564236347451]
  HumanEgoは、人間とロボットのエンボディメントギャップを橋渡しするフレームワークである。 それは、人間のデモを、手動オブジェクトの相互作用の実体レベルの表現へと持ち上げる。 HumanEgoは、ロボットのデータフリー、ハードウェア非依存、データ効率、ゼロショットの人間とロボットの転送を可能にする。
  論文  参考訳（メタデータ） (2026-05-24T08:26:41Z)
• Humanoid Whole-Body Locomotion on Narrow Terrain via Dynamic Balance and Reinforcement Learning [54.26816599309778]
  動的バランスと強化学習(RL)に基づく新しい全身移動アルゴリズムを提案する。 具体的には,ZMP(Zero-Moment Point)駆動の報酬とタスク駆動の報酬を,全身のアクター批判的枠組みで拡張した尺度を活用することで,動的バランス機構を導入する。 フルサイズのUnitree H1-2ロボットによる実験により、非常に狭い地形でのバランスを維持するための手法の有効性が検証された。
  論文  参考訳（メタデータ） (2025-02-24T14:53:45Z)
• Design and Control of a Bipedal Robotic Character [3.650193138379926]
  この研究は、足のついたロボットのための表現力のあるアーティスト指向のモーションとロバストなダイナミックモビリティを統一することを目的としている。 キャラクタ駆動型機械的特徴に着目した新しい二足歩行ロボットを提案する。 命令信号に条件付けられた芸術的動作を頑健に行うための強化学習に基づく制御アーキテクチャを提案する。
  論文  参考訳（メタデータ） (2025-01-09T12:55:21Z)
• RP1M: A Large-Scale Motion Dataset for Piano Playing with Bi-Manual Dexterous Robot Hands [57.64308229980045]
  ロボットピアノ100万のデータセットには,100万回以上の軌跡の動作データをバイマニュアルで演奏するロボットピアノが組み込まれている。 指の配置を最適な移動問題として定式化し、大量の未収録曲の自動アノテーションを可能にする。 既存の模倣学習手法のベンチマークでは、RP1Mを活用することにより、最先端のロボットピアノ演奏性能に達することが示されている。
  論文  参考訳（メタデータ） (2024-08-20T17:56:52Z)
• Learning Agile Soccer Skills for a Bipedal Robot with Deep Reinforcement Learning [26.13655448415553]
  Deep Reinforcement Learning (Deep RL)は、低コストでミニチュアなヒューマノイドロボットのための洗練された安全な運動スキルを合成することができる。 我々はDeep RLを使って、20個の関節を持つヒューマノイドロボットを訓練し、1対1(1v1)のサッカーゲームを単純化した。 結果として得られるエージェントは、急激な転倒回復、歩行、回転、蹴りなど、堅牢でダイナミックな動きのスキルを示す。
  論文  参考訳（メタデータ） (2023-04-26T16:25:54Z)
• 6N-DoF Pose Tracking for Tensegrity Robots [5.398092221687385]
  引張ロボットは剛性圧縮要素(ロッド)と柔軟な引張要素(ケーブルなど)から構成される この研究は、マーカーのない視覚に基づく方法で、緊張するロボットのポーズトラッキングに対処することを目的としている。 RGB-Dビデオから張力ロボットの各剛体要素の6-DoFポーズを反復的に推定するプロセスを提案する。
  論文  参考訳（メタデータ） (2022-05-29T20:55:29Z)
• Synthesis and Execution of Communicative Robotic Movements with Generative Adversarial Networks [59.098560311521034]
  我々は、繊細な物体を操作する際に人間が採用するのと同じキネマティクス変調を2つの異なるロボットプラットフォームに転送する方法に焦点を当てる。 我々は、ロボットのエンドエフェクターが採用する速度プロファイルを、異なる特徴を持つ物体を輸送する際に人間が何をするかに触発されて調整する。 我々は、人体キネマティクスの例を用いて訓練され、それらを一般化し、新しい有意義な速度プロファイルを生成する、新しいジェネレーティブ・アドバイサル・ネットワークアーキテクチャを利用する。
  論文  参考訳（メタデータ） (2022-03-29T15:03:05Z)

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。