論文の概要: UniExo: Unified Multi-Skill Policies for Musculoskeletal Locomotion and Co-Adaptive Exoskeleton Control

• arxiv url: http://arxiv.org/abs/2609.19690v1
• Date: Thu, 17 Sep 2026 04:38:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-20 08:55:54.101481
• Title: UniExo: Unified Multi-Skill Policies for Musculoskeletal Locomotion and Co-Adaptive Exoskeleton Control
• Title（参考訳）: UniExo: 筋骨格運動と協調適応性外骨格制御のための統一型マルチスキルポリシー
• Abstract要約: われわれはまずマルチスキルの筋骨格人体政策を構築し,その上で外骨格人体制御政策を共同で訓練するUniExoについて紹介する。 UniExoは4つのスキルの見当たらないクリップで94.7%の平均的な追跡成功率を達成し、構成専門家よりも強い堅牢性を示している。
• 参考スコア（独自算出の注目度）: 1.5617797712963508
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Daily locomotion encompasses diverse activities and frequent transitions between them, yet most exoskeleton controllers are designed for a single activity or a narrow set of related movements. Changes in activity therefore typically require explicit mode switching and separately tuned or retrained controllers. Simulation-based learning reduces the need for hardware-based tuning but generally retains this limitation. Here we present UniExo, a framework that first constructs a multi-skill musculoskeletal human policy and then jointly trains an exoskeleton control policy with it. Four single-skill imitation experts for walking, turning, running and backward walking are distilled into a single network structured by a skill latent and subsequently fine-tuned through reinforcement learning on transition sequences. The resultant unified human policy achieves a mean tracking success rate of 94.7% on unseen clips of the four skills and exhibits greater robustness to perturbations than its constituent experts. A single hip exoskeleton controller (UniExo) is initialized from hip moment prediction of the human policy and co-adapted with it through multi-agent reinforcement learning across the four skills. This co-adaptation shifts the timing of the assistance torque and raises the fraction of positive work delivered to the hip. When deployed on a custom hip exoskeleton, the controller generalizes across four treadmill speeds in six participants and assists one participant through a continuous route of all four skills and their transitions, without skill labels or explicit mode switching. UniExo thus provides a step towards replacing activity-specific controllers with unified, user-specific controllers that support diverse locomotor activities and the transitions between them.
• Abstract（参考訳）: 日常の移動は多種多様な活動とそれらの間の頻繁な遷移を包含するが、ほとんどのエクソスケルトンコントローラは単一の活動や関連する動きの狭いセットのために設計されている。 したがって、アクティビティの変更は、通常、明示的なモードスイッチングと、個別にチューニングまたは再訓練されたコントローラを必要とする。 シミュレーションベースの学習はハードウェアベースのチューニングの必要性を減らすが、一般的にはこの制限を保っている。 ここでは,まずマルチスキルの筋骨格人体政策を構築し,その後に外骨格人体制御政策を共同で訓練するUniExoについて紹介する。 ウォーキング,ターン,ランニング,バックウォーキングの4つのシングルスキルの模倣専門家は、スキル潜在によって構成された単一ネットワークに蒸留され、その後、遷移シーケンスの強化学習を通じて微調整される。 その結果、統一された人間の政策は、4つのスキルの見当たらないクリップで94.7%の平均的な追跡成功率を達成し、構成的専門家よりも摂動に対する堅牢性を示す。 単一の股関節外骨格コントローラ(UniExo)は、ヒトのポリシーのヒップモーメント予測から初期化され、これら4つのスキルをまたいだマルチエージェント強化学習を通じてそれと共適応する。 この共適応は補助トルクのタイミングをシフトさせ、股関節に供給される正の作業の割合を上昇させる。 カスタムのヒップ外骨格に装着すると、コントローラは6人の参加者で4つのトレッドミルのスピードを一般化し、スキルラベルや明示的なモード切替なしに、4つのスキルの連続的なルートと移行を通して1人の参加者を支援する。 これにより、UniExoはアクティビティ固有のコントローラを、多様なロケータアクティビティとそれらの間の遷移をサポートする統一されたユーザ固有のコントローラに置き換えるステップを提供する。

関連論文リスト

• Behavior Foundations for Quadruped Robots: ABot-C0 Technical Report [25.18747802029395]
  本稿では,四足歩行ロボットの汎用動作制御システムであるABot-C0を提案する。 我々は、条件付きビデオ生成、注釈付きモーションキャプチャ、ヒューマンデザインを通じてデータピラミッドを構築し、16,074個の物理的に実現可能なモーションクリップを生成した。 そして、3段階の特権と知覚の枠組みを採用することで、ロバストな全地球移動に向けて一歩前進します。
  論文  参考訳（メタデータ） (2026-07-08T13:04:07Z)
• Switch: Learning Agile Skills Switching for Humanoid Robots [62.14433450799811]
  階層的なマルチスキルシステムであるSwitchを導入し、いつでもシームレスなスキル移行を可能にします。 提案手法は,(1)マルチスキル動作データ内の運動の類似性に基づいて,潜在的なクロススキル遷移を確立するスキルグラフ,(2)深い強化学習を通じて,このスキルグラフ上で訓練された全身追跡ポリシー,(3)堅牢なスキル実行とスムーズな移行のためのトラッキングポリシを駆動するオンラインスキルスケジューラの3つの重要な構成要素から構成される。
  論文  参考訳（メタデータ） (2026-04-16T10:11:28Z)
• Embodiment-Aware Generalist Specialist Distillation for Unified Humanoid Whole-Body Control [34.056581843277904]
  我々は,複数のヒューマノイドを制御する単一統一政策を創出する,反復的な一般-専門的蒸留フレームワークを導入する。 シミュレーションでは5つのロボット,実環境では4つのロボットについて実験を行った。
  論文  参考訳（メタデータ） (2026-02-03T00:58:29Z)
• CHIP: Adaptive Compliance for Humanoid Control through Hindsight Perturbation [70.5382178207975]
  hIsight Perturbation (CHIP)は、制御可能なエンドエフェクタ剛性を実現するプラグイン・アンド・プレイモジュールである。 CHIPの実装は簡単で、データ拡張も追加の報酬チューニングも必要ありません。 そこで本研究では,CHIPでトレーニングした汎用モーショントラッキングコントローラが,多種多様な操作タスクを実行できることを示す。
  論文  参考訳（メタデータ） (2025-12-16T18:56:04Z)
• Offline Adaptation of Quadruped Locomotion using Diffusion Models [59.882275766745295]
  本稿では,複数のスキル間の相互補間と学習の限界に同時に対処する,四足歩行への拡散に基づくアプローチを提案する。 これらの機能は、マルチスキルポリシーと互換性があり、ほとんど変更することなく、最小限の計算オーバーヘッドで適用可能であることを示す。 ANYmal四重奏プラットフォーム上でのハードウェア実験によるアプローチの有効性を検証する。
  論文  参考訳（メタデータ） (2024-11-13T18:12:15Z)
• Reinforcement Learning for Versatile, Dynamic, and Robust Bipedal Locomotion Control [106.32794844077534]
  本稿では,二足歩行ロボットのための動的移動制御系を構築するために,深層強化学習を用いた研究について述べる。 本研究では、周期歩行やランニングから周期ジャンプや立位に至るまで、様々な動的二足歩行技術に使用できる汎用的な制御ソリューションを開発する。 この研究は、二足歩行ロボットの俊敏性の限界を、現実世界での広範な実験を通じて押し上げる。
  論文  参考訳（メタデータ） (2024-01-30T10:48:43Z)
• Learning Torque Control for Quadrupedal Locomotion [22.415419916292187]
  本稿では,四足歩行のための学習トルク制御フレームワークを提案する。 高周波で関節トルクを直接予測するRLポリシーを訓練し、PDコントローラの使用を回避している。 我々の知る限り、これはエンドツーエンドの単一ニューラルネットワークで四足歩行のトルク制御を学習する最初の試みである。
  論文  参考訳（メタデータ） (2022-03-10T07:09:05Z)

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。