論文の概要: Stability-aware Residual Reinforcement Learning Framework for Robotic Manipulator Disturbance Compensation
- arxiv url: http://arxiv.org/abs/2609.21307v1
- Date: Fri, 18 Sep 2026 04:35:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-21 18:40:16.856968
- Title: Stability-aware Residual Reinforcement Learning Framework for Robotic Manipulator Disturbance Compensation
- Title（参考訳）: ロボットマニピュレータ外乱補償のための安定性を考慮した残留強化学習フレームワーク
- Abstract要約: 本研究では、分析観測者とRLポリシーを組み合わせた残留強化学習DOBフレームワークを提案する。
6-DOFマニピュレータの実験では、外乱推定と追跡が一貫した改善が見られた。
- 参考スコア（独自算出の注目度）: 0.6906607212334394
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Although conventional controllers and disturbance observers (DOBs) are the standard for precision tracking in manipulators, they suffer from parameter uncertainty, nonlinear friction, and compound disturbances. This study proposes a residual reinforcement learning DOB framework that pairs an analytical observer with an RL policy. The deterministic baseline operates within a reliable region, whereas the RL policy explicitly targets the residuals that the model cannot capture. To make this compensation disturbance-aware, an estimator network aligns the observation history with a privileged disturbance context, organizing the latent space by disturbance regime and enabling rapid adaptation across disturbance transitions. To guarantee stability, we derived and enforced a state-dependent action bound on the RL policy from an input-to-state stability (ISS) analysis such that the closed loop provably confines the tracking error to a certified envelope for arbitrary policy outputs. Experiments on a 6-DOF manipulator demonstrated consistent improvements in disturbance estimation and tracking, including a 27.8% tracking-error reduction on real hardware under zero-shot sim-to-real transfer and a 38.0% reduction under a base-vibration disturbance that was not observed during training.
- Abstract（参考訳）: 従来の制御器と外乱オブザーバ(DOB)はマニピュレータの精度追跡の標準であるが、パラメータの不確実性、非線形摩擦、複合障害に悩まされている。
本研究では、分析観測者とRLポリシーを組み合わせた残留強化学習DOBフレームワークを提案する。
決定論的ベースラインは信頼できる領域内で動作し、RLポリシーはモデルが取得できない残差を明示的にターゲットする。
この補償外乱認識を実現するため、推定器ネットワークは、観測履歴を特権外乱コンテキストに整列させ、外乱体制による潜伏空間を整理し、外乱遷移を迅速に適応させる。
安定を保証するため,RLポリシに拘束される状態依存動作を,任意のポリシ出力に対して,クローズドループが確実にトラッキングエラーを認証エンベロープに閉じ込めるように,インプット・ツー・ステート安定性(ISS)解析から導出し,強制した。
6-DOFマニピュレータの実験では、ゼロショットのシミュレートによる実際のハードウェアにおける27.8%のトラッキングエラーの削減や、トレーニング中に観測されなかったベース振動障害による38.0%の低減など、外乱推定と追尾が一貫して改善された。
関連論文リスト
- Conformal Changepoint Localization and Root Cause Analysis with Corrupted Observations [55.76952683833966]
本稿では,データ破損時の信頼性設定サイズを低減するために,重み付きCONCH(W-CONCH)と重み付きCROC(W-CROC)を提案する。
画像ベースおよび実世界の変化点と根本原因ベンチマークの実験は、不確実性ベースの重み付けが信頼性セットのサイズを大幅に減少させることを示している。
論文 参考訳（メタデータ） (2026-07-29T05:16:59Z) - ARMOR: Stabilizing On-Policy LLM RL with Off-Policy Anchor Samples [65.74946647574696]
強化学習(RL)は,大規模言語モデル(LLM)の推論能力を大幅に向上させた。
本研究では,この不安定性の重要源である過最適化について検討する。
我々は,このパラダイムを受動的ペナルティからアクティブ標本安定化に移行するフレームワークARMORを提案する。
論文 参考訳（メタデータ） (2026-07-11T21:22:46Z) - Robust Operational Space Control with Conformal Disturbance Bounds for Safe Redundant Manipulation [4.337275843491041]
制約のある人間間環境で動作する冗長なロボットマニピュレータは、正確なタスク空間追跡を必要とする。
本稿では,拡張状態オブザーバ(ESO)と共形予測を統合したOSCTCフレームワークを提案する。
7-DoF Franka Research 3 マニピュレータの実験では、様々な障害の下で1kHzでミリレベルの追跡精度とリアルタイム安全な制御が実証された。
論文 参考訳（メタデータ） (2026-07-01T04:33:39Z) - MPC for underactuated spacecraft control with a Lyapunov supervised physics-informed neural network correction layer [2.4919077201316067]
未作動の宇宙船は、制御可能性の限界に直面し、環境障害に対する感度を高める。
i) 非線形モデル予測制御器(NMPC) の制約と非作動性を考慮した操作計画と, アクチュエータリミット下での名目上の閉ループ安定性, (ii) 物理インフォームドニューラルネットワーク(PINN) シミュレーションデータをオフラインでトレーニングし, 残差トルクを推定すること, (iii) 学習した補正をオンラインで評価し, ベースラインコントローラの安定性を維持または抑制するリアプノフベースの監視安全機構。
論文 参考訳（メタデータ） (2026-06-11T09:39:14Z) - Clipping Bottleneck: Stabilizing RLVR via Stochastic Recovery of Near-Boundary Signals [83.0127582612634]
Near-boundary Rescue (NSR) は最小限のプラグ・アンド・プレイの修正であり、失った信号を回復するために、アウト・オブ・バウンドトークンを保持する。
NSRはトレーニングの安定性を大幅に改善し、DAPOやGSPOといった強力なベースライン上で一貫したゲインを提供する。
論文 参考訳（メタデータ） (2026-05-21T16:45:31Z) - Adaptive Control of Stochastic Error Accumulation in Fault-Tolerant Quantum Computation [0.0]
非定常ノイズとドリフトは、独立した事象からではなく、時間的エラーの蓄積によって論理的に失敗する。
時間的深層Q-ネットワーク(Ch-DQN)は、ノイズの進化と蓄積されたハザードの両方を追跡する内部の信念を維持している。
分数的メタ更新は、非定常制御結合力学の存在下での学習を安定化させる。
論文 参考訳（メタデータ） (2026-03-16T00:46:00Z) - Response-Aware Risk-Constrained Control Barrier Function With Application to Vehicles [0.0]
本稿では,車両の動的安全境界制御のための応答認識型リスク制約制御バリア関数に基づく統合制御フレームワークを提案する。
このフレームワークは、制御勾配の基準方向を提供するために、名目力学と直接車体応答を融合する。
また、従来の決定論的安全制約をバリア関数誘導体のテールリスクに関する確率論的制約に再構成する。
論文 参考訳（メタデータ） (2026-03-13T02:38:17Z) - Diffusion Controller: Framework, Algorithms and Parameterization [54.82539154511621]
本稿では,逆拡散サンプリングを(一般化された)線形解法マルコフ決定過程における状態のみの制御として活用する統一的な制御理論的視点を提案する。
このフレームワークでは、制御はトレーニング済みのリバースタイムのトランジションカーネルを再重み付けし、端末の目的と$f$分割コストのバランスをとる。
安定拡散v1.4の実験では、選好調整の勝利率が一貫した上昇を示し、品質効率のトレードオフを改善した。
論文 参考訳（メタデータ） (2026-03-07T01:49:59Z) - VI-CuRL: Stabilizing Verifier-Independent RL Reasoning via Confidence-Guided Variance Reduction [55.04308051033549]
RLVR(Reinforcement Learning with Verifiable Rewards)は、LLM(Large Language Models)推論を向上するための主要なパラダイムとして登場した。
モデル固有の信頼性を活用して外部検証から独立したカリキュラムを構築するフレームワークであるVerifier-Independent Curriculum Reinforcement Learning (VI-CuRL)を紹介する。
論文 参考訳（メタデータ） (2026-02-13T03:40:52Z) - Safe Urban Traffic Control via Uncertainty-Aware Conformal Prediction and World-Model Reinforcement Learning [43.06827300023392]
STREAM-RLは、不確実性誘導型適応型コンフォーマルフォアキャスター、コンフォーマル残留流ネットワーク、不確実性誘導型セーフワールドモデルRLエージェントである。
複数の実世界の交通軌跡データの実験では、STREAM-RLは91.4%のカバレッジ効率を達成し、FDRを4.1%の信頼性で制御し、標準のPPOの69%に比べて安全性を95.2%向上している。
論文 参考訳（メタデータ） (2026-02-04T18:10:59Z) - Integrating DeepRL with Robust Low-Level Control in Robotic Manipulators for Non-Repetitive Reaching Tasks [0.24578723416255746]
ロボット工学では、現代の戦略は学習に基づくもので、複雑なブラックボックスの性質と解釈可能性の欠如が特徴である。
本稿では, 深部強化学習(DRL)に基づく衝突のない軌道プランナと, 自動調整型低レベル制御戦略を統合することを提案する。
論文 参考訳（メタデータ） (2024-02-04T15:54:03Z)
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。