論文の概要: Duty Factor Predicts Robust Constrained Quadrupedal Locomotion Across Gait Types

• arxiv url: http://arxiv.org/abs/2609.22073v1
• Date: Fri, 18 Sep 2026 17:57:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-21 18:40:17.234673
• Title: Duty Factor Predicts Robust Constrained Quadrupedal Locomotion Across Gait Types
• Title（参考訳）: 歩行型におけるロバストな四足歩行の予測因子
• Abstract要約: 四足歩行ロボットは、乱れや制約された地形に対して、移動が頑丈でなければならない環境にますます配備されている。 本研究では,3つの異なる四足歩行制御手法を用いて,これらの歩行パラメータの関係について検討する。
• 参考スコア（独自算出の注目度）: 8.875956765655722
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Quadrupedal robots are increasingly deployed in environments where locomotion must remain robust to disturbances and constrained terrain. Gait type, such as walking or trotting, is commonly used to characterize quadrupedal locomotion. However, gait type does not uniquely define locomotion, as parameters such as duty factor, speed, and stance width can vary within a single gait type. In this work, we investigate the relationship between these gait parameters using three distinct quadrupedal locomotion control approaches. First, using whole body trajectory optimization with LQR feedback, we show that duty factor is a stronger predictor of local error convergence than nominal gait type. Second, we investigate duty factor selection with a learned locomotion controller, suggesting how duty factor may serve as a low-dimensional parameter for adapting locomotion robustness in narrow-terrain environments. Finally, we show that these trends persist under a centroidal model predictive control framework and validate them through narrow-terrain experiments on a physical quadruped. These results show that duty factor provides a simple and effective basis for understanding and selecting robust quadrupedal locomotion across gait types and control architectures.
• Abstract（参考訳）: 四足歩行ロボットは、乱れや制約された地形に対して、移動が頑丈でなければならない環境にますます配備されている。 歩行やトロッティングなどの歩行は、四足歩行の特徴として一般的に用いられる。 しかし、歩行タイプは、義務係数、速度、姿勢幅などのパラメータが単一の歩行タイプで変化するため、移動を一意に定義しない。 本研究では,3つの異なる四足歩行制御手法を用いて,これらの歩行パラメータの関係について検討する。 まず,LQRフィードバックを用いた全身軌跡最適化により,公称歩行よりも局所誤差収束の予測因子が強いことを示す。 第2に,学習された移動制御器を用いた配当要因の選択について検討し,狭い環境下での移動の堅牢性に適応するための低次元パラメータとして,配当要因がどのように機能するかを示唆した。 最後に、これらの傾向は、遠心モデル予測制御フレームワークの下で持続し、物理四重極上での狭い地形実験によって検証されることを示す。 これらの結果から、義務要因は歩行タイプや制御アーキテクチャをまたいだ頑健な四足歩行の理解と選択にシンプルで効果的な基礎を提供することが示された。

関連論文リスト

• Motion Design for Grasp-Based Dynamic Locomotion in Microgravity [5.301721673195314]
  本稿では,微小重力下での多脚ロボットシステムを用いたグリップベース動的移動の洞察について述べる。 調査対象は歩行パターン,歩幅,移動速度,名目姿勢である。 その結果, 接触レンチ空間を拡大し, 衝動性全身動態を減衰させることで移動性能が向上することが示唆された。
  論文  参考訳（メタデータ） (2026-05-20T20:06:01Z)
• 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)
• Gaitor: Learning a Unified Representation Across Gaits for Real-World Quadruped Locomotion [61.01039626207952]
  本稿では,移動歩行における乱れと2次元表現を学習するGaitorについて紹介する。 ゲイターの潜伏空間は容易に解釈可能であり、歩行遷移の間、新しい目に見えない歩行が出現することを発見した。 我々は,ANYmal Cプラットフォーム上でのシミュレーションと実世界におけるGaitorの評価を行った。
  論文  参考訳（メタデータ） (2024-05-29T19:02:57Z)
• VAE-Loco: Versatile Quadruped Locomotion by Learning a Disentangled Gait Representation [78.92147339883137]
  本研究では,特定の歩行を構成する主要姿勢位相を捕捉する潜在空間を学習することにより,制御器のロバスト性を高めることが重要であることを示す。 本研究では,ドライブ信号マップの特定の特性が,歩幅,歩幅,立位などの歩行パラメータに直接関係していることを示す。 生成モデルを使用することで、障害の検出と緩和が容易になり、汎用的で堅牢な計画フレームワークを提供する。
  論文  参考訳（メタデータ） (2022-05-02T19:49:53Z)
• 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)
• Learning a Shared Model for Motorized Prosthetic Joints to Predict Ankle-Joint Motion [0.0]
  異なる移動モードにおける足首関節運動を予測する学習ベース共有モデルを提案する。 共有モデルは,異なる移動モードの足首の角度やモーメントを,モードを明示的に分類することなく予測するのに適していることを示す。
  論文  参考訳（メタデータ） (2021-11-14T19:02:40Z)
• GLiDE: Generalizable Quadrupedal Locomotion in Diverse Environments with a Centroidal Model [18.66472547798549]
  四足歩行のロバスト制御ポリシを生成するために,遠心モデルを用いてモデルフリー強化学習を効果的に利用できることを示す。 本手法は, ステップストーン移動, 2脚のインプレースバランス, バランスビーム移動, sim-to-real移動を, さらなる適応を伴わずに実現可能であることを示す。
  論文  参考訳（メタデータ） (2021-04-20T05:55:13Z)

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。