論文の概要: Embodied Snap: Octopus-Inspired Distributed Reach-and-Attach with a Speed-Limited Soft Arm
- arxiv url: http://arxiv.org/abs/2609.22926v2
- Date: Wed, 23 Sep 2026 14:07:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-25 00:05:17.661972
- Title: Embodied Snap: Octopus-Inspired Distributed Reach-and-Attach with a Speed-Limited Soft Arm
- Title（参考訳）: エンボディード・スナップ:速度制限型ソフトアーム付きオクトプス・インスパイアされた分散リーチ・アタッチメント
- Abstract要約: 本稿では,遅いサーボ駆動プレロードを高速な弾性放出から分離するスナップコントローラを提案する。
3つのセクションで共有される学習ポリシは、プリロード、目的、テントンスラック、リリースタイミングを選択する。
ハードウェアのキャラクタリゼーションは1.56-1.64 m/sのチップ速度を実現している。
- 参考スコア（独自算出の注目度）: 18.21608779818028
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Reach-and-attach of soft robotic arms with passive suction requires accurate targeting and sufficient contact speed, yet geared actuators can impose a speed limit that improved trajectory tracking alone cannot overcome. This paper proposes an embodied snap controller that separates slow servo-driven preloading from rapid elastic release, enabling a compliant arm to move beyond its direct tendon-driven speed limit. Octopus biology motivates the controller's section-wise organizational prior, rather than reproduction of the octopus nervous system. A learned policy shared across three sections selects preloads, aim, tendon slack, and release timing, determining where, how, and when to load and release the body. The policy is optimized offline using a hardware-validated recurrent model within experimentally supported bounds. Across five optimization seeds and 400 unseen simulated targets, attachment success is $(73\pm4)\%$ at a $5\text{ cm}$ lateral tolerance, and the shared policy reaches the matched centralized controller's mean final reward after a median $17\%$ of the common evaluation budget. Hardware characterization achieves tip speeds of 1.56-1.64 m/s, at least $108\%$ above direct tendon-driven release. In 18 open-loop hardware trials across six placements, 17 exceed the 1 m/s snap threshold and nine retrieve the object, with successful retrieval at five placements. These results demonstrate a practical division of responsibility in the control problem: learned control prepares the body, and passive body mechanics execute the rapid movement needed for dynamic reach-and-attach.
- Abstract（参考訳）: 受動吸引によるソフトロボットアームのリーチ・アンド・アタッチメントは、正確な目標と十分な接触速度を必要とするが、ギア付きアクチュエーターは軌道追跡の改善だけでは克服できない速度制限を課すことができる。
本稿では,緩やかなサーボ駆動のプレロードを高速な弾性放出から分離し,適合アームが直接腱駆動の速度制限を超えて移動できるようにするスナップコントローラを提案する。
オクトプス生物学は、タコの神経系の再生よりも、コントローラの区分的な組織的先行を動機付けている。
3つのセクションで共有される学習されたポリシーは、プリロード、目標、テントンスラック、リリースタイミングを選択し、どこで、どのように、いつ、身体をロードし、解放するかを決定する。
このポリシーは、ハードウェア検証されたリカレントモデルを使用して、実験的にサポートされているバウンダリ内でオフラインに最適化されている。
5つの最適化シードと400の未確認の目標に対して、アタッチメント成功率は5\text{ cm}$ lateral toleranceで$(73\pm4)\%であり、共有ポリシは、共通評価予算の中央値17\%の後に一致した集中型コントローラの平均的な最終報酬に達する。
ハードウェア特性は、1.56-1.64 m/sのチップ速度、少なくとも108\%以上の直接的腱駆動リリースを実現する。
6つの配置にまたがる18のオープンループハードウェア試行において、17は1m/sのスナップしきい値を超え、9つのオブジェクトを回収し、5つの配置で検索に成功した。
これらの結果は、学習した制御が身体を準備し、受動体力学がダイナミックリーチ・アンド・アタッチメントに必要な迅速な運動を実行するという、制御問題における現実的な責任の分割を示している。
関連論文リスト
- PredActor: Predictive Action Diffusion for Steerable Onboard Humanoid Control [49.348182500314614]
アクションのみの拡散は直接アクションを生成するが、テスト時間運動の目的に対する明示的な将来の軌道は欠如している。
連立状態-作用拡散はこの表現を提供するが、代表コントローラはしばしば特権付きフルボディ状態に依存する。
提案するPredActorは,これらのステアリング機能を,直接実行されるポリシに組み込む,予測的行動拡散ポリシである。
論文 参考訳（メタデータ） (2026-09-21T16:20:25Z) - Embodied Agents Take Control: Minimal-Interface Zero-Shot Agents Rival Industrial-Scale Policies in Vision-and-Language Navigation [27.261164150282706]
汎用エージェントがループを単独で維持できることがわかった。
我々は、この組織をエージェント・エンボディド・コントロールと呼びます。
より長い地平線、レイテンシ、コンテキスト成長は、持続的な自律性の障壁であり続けているが、これらの結果は、汎用モデルがナビゲーションポリシーなしで既に競争力のある実施制御を達成可能であることを示している。
論文 参考訳（メタデータ） (2026-07-28T18:00:34Z) - TAC-LOCO: Unified Whole-Body Control for Quadrupedal TACtile-Informed LOCO-Manipulation [13.785492911693098]
動的ロコ操作では、不確実な外力下での把握された物体との安定した物理的相互作用を維持しながら、脚のあるロボットが全身の動きを調整する必要がある。
触覚を付加した統合強化学習フレームワークであるTAC-LOCOを提案する。
We deploy the policy zero-shot on a Unitree Go2 with an Interbotix WidowX 250 arm and tactile gripper, showed dynamic tactile-informed loco-manipulation under various external interaction。
論文 参考訳（メタデータ） (2026-07-11T05:45:24Z) - TempoVLA: Learning Speed-Controllable Vision-Language-Action Policies [58.40033352838586]
既存のVision-Language-Action Model (VLA) は、トレーニングデモから1つの固定速度を継承するのみである。
予測された各行動の大きさが、ロボットの動きの速さをすでに支配していることを観察する。
我々はこの観測結果を、明示的な条件で実行速度を制御する単一のVLAであるTempoVLAに変換する。
論文 参考訳（メタデータ） (2026-06-04T17:59:40Z) - Learning Dynamic Pick-and-Place for a Legged Manipulator [8.027246382283003]
本研究では,6-DOFロボットアームを装備した四足歩行を用いた動的ピック・アンド・プレイス作業のための階層的強化学習フレームワークを提案する。
シミュレーションでは、最大2.3kgまでのペイロードで86.05%の成功率を達成した。
地上レベルから1.1mの高さまで幅広い垂直ワークスペースにおいて、このシステムは最大1.3kgまでのペイロードに対して平均73.3%の成功率を示す。
論文 参考訳（メタデータ） (2026-05-15T08:04:07Z) - Learning Reactive Dexterous Grasping via Hierarchical Task-Space RL Planning and Joint-Space QP Control [50.28263951510334]
本稿では,リアクティブなデクスタリーグルーピングのためのハイブリッド階層型制御フレームワークを提案する。
提案手法は,低レベル共同実行から高レベル空間意図を明示的に分離する。
我々は厳密なシミュレーションと現実のパイプラインを通して提案したフレームワークを広範囲に検証する。
論文 参考訳（メタデータ） (2026-05-05T04:49:38Z) - Safe Whole-Body Loco-Manipulation via Combined Model and Learning-based Control [46.47619556874003]
そこで本研究では,マニピュレータアームのモデルベースアプタンス制御と足歩行の強化学習ポリシを組み合わせた全身制御を提案する。
アクセタンスコントローラは、物理的相互作用中に人間によって適用されるような外部レンチを、望ましいエンドエフェクタ速度にマッピングし、従順な振る舞いを可能にする。
6-DoFアームと手首に装着した6-DoF Force/Torqueセンサーを備えたUnitree Go2四足歩行ロボットを用いて,シミュレーションとハードウェアの両方におけるアプローチを検証する。
論文 参考訳（メタデータ） (2026-03-02T22:31:12Z) - 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) - Motion Planning and Control for Multi Vehicle Autonomous Racing at High
Speeds [100.61456258283245]
本稿では,自律走行のための多層移動計画と制御アーキテクチャを提案する。
提案手法はダララのAV-21レースカーに適用され、楕円形のレーストラックで25$m/s2$まで加速試験された。
論文 参考訳（メタデータ） (2022-07-22T15:16:54Z)
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。