論文の概要: Brace Yourself: Task-Conditioned Environmental Bracing for Forceful Humanoid Manipulation
- arxiv url: http://arxiv.org/abs/2609.25486v1
- Date: Mon, 21 Sep 2026 23:34:27 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-23 18:04:04.141982
- Title: Brace Yourself: Task-Conditioned Environmental Bracing for Forceful Humanoid Manipulation
- Title（参考訳）: Brace Yourself: 強制型ヒューマノイドマニピュレーションのためのタスク駆動型環境ブレーキ
- Abstract要約: 人型ロボットの力による操作は、人体全体のバランスを損なう可能性があるため、難しい。
我々は,人型ロボットが一方の手で環境に対して強烈な操作を行うことができる支援手戦略(SHS)を紹介した。
- 参考スコア（独自算出の注目度）: 0.7559720049837458
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Forceful manipulation is challenging for humanoid robots because interaction forces can disturb whole-body balance. We introduce the Supporting Hand Strategy (SHS), which enables a humanoid to brace against the environment with one hand while performing forceful manipulation with the other. SHS optimises a task-conditioned support configuration that guides two synchronous reinforcement-learning policies, without human motion data or online whole-body trajectory planning. On a Unitree G1, SHS achieved usable contact forces up to 60 N, compared with a maximum sustained force of 13.5 N without environmental bracing, while substantially improving force tracking over a task-independent support configuration. The same policies generalised to different task regions without retraining. SHS therefore provides a simple mechanism for substantially extending humanoid forceful-manipulation capability.
- Abstract（参考訳）: 人型ロボットの力による操作は、人体全体のバランスを損なう可能性があるため、難しい。
我々は,人型ロボットが一方の手で環境に対して強烈な操作を行うことができる支援手戦略(SHS)を紹介した。
SHSは、人間の動きデータやオンライン全体の軌道計画なしで、2つの同期強化学習ポリシーを導くタスク条件付きサポート設定を最適化する。
ユニツリーG1では、SHSは最大60Nまで使用可能な接触力を達成し、環境ブレーキのない最大持続力は13.5Nとなった。
同じ方針は、再訓練せずに異なるタスク領域に一般化された。
したがって、SHSはヒューマノイド強制操作能力を実質的に拡張するための単純なメカニズムを提供する。
関連論文リスト
- ADAPT: Analytical Disturbance-Aware Policy Training for Humanoid Locomotion [21.269965799228576]
ADAPT(Analytical disturbance-Aware Policy Training)は、人型政策を物理的に根拠のある外乱オブザーバーに装備する枠組みである。
ADAPTは、力/トルクセンサーを必要とせずに、ロボットのダイナミックスを使って、オンラインで残留力/トルクを推定する。
論文 参考訳（メタデータ） (2026-06-15T10:47:18Z) - FACTR 2: Learning External Force Sensing for Commodity Robot Arms Improves Policy Learning [54.93624123794711]
接触に富んだ操作は力の感度を必要とするが、多くのロボットアームは高いコストのために専用の力センサーを欠いている。
本稿では、専用の力センサを必要とせず、外部関節トルクを推定するデータ駆動方式であるニューラル外部トルク推定(Trque)を提案する。
次に、低コストのアーム上での力覚的遠隔操作を可能にし、フォースインフォームド・リサンプリングトレーニングによる政策学習を改善する。
論文 参考訳（メタデータ） (2026-06-10T17:59:35Z) - RPG: Robust Policy Gating for Smooth Multi-Skill Transitions in Humanoid Fighting [52.18271301977709]
我々は,スムーズで安定したヒューマノイド多スキル移行のためのハイブリッド・エキスパート・ポリシー・フレームワークであるRPGを提案する。
本手法では,動き遷移のランダム化と時間的ランダム化を取り入れて,アジャイルな戦闘行動を生成する統一的な政策を訓練する。
我々は、歩行/走る移動と戦闘スキルを統合する制御パイプラインを設計し、人間のような長時間の戦闘を任意の期間で行えるようにした。
論文 参考訳（メタデータ） (2026-04-23T07:14:35Z) - Learn Weightlessness: Imitate Non-Self-Stabilizing Motions on Humanoid Robot [56.377161933570335]
人間は自然に非自己安定化(NSS)運動中に「無重力」状態を利用する。
この生物学的メカニズムに着想を得て,データセットのアノテーションに対する無重力自動ラベル方式を提案する。
我々の研究は、正確な軌道追跡と適応的な環境相互作用のギャップを埋め、接触リッチなヒューマノイド制御のための生物学的にインスパイアされたソリューションを提供する。
論文 参考訳（メタデータ） (2026-04-23T07:10:05Z) - ForceVLA2: Unleashing Hybrid Force-Position Control with Force Awareness for Contact-Rich Manipulation [75.39847750457626]
エンドツーエンドの視覚言語アクションフレームワークであるForceVLA2は、ハイブリッドな力配置制御と明示的な力覚を備えたロボットを装備する。
学習と評価を支援するために,5つの接触豊富なタスクに1,000の軌道を含むForceVLA2-Datasetを構築した。
実験により、ForceVLA2は接触リッチな操作における成功率と信頼性を大幅に改善することが示された。
論文 参考訳（メタデータ） (2026-03-16T12:03:58Z) - 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) - GentleHumanoid: Learning Upper-body Compliance for Contact-rich Human and Object Interaction [14.278503723930998]
GentleHumanoidは、インピーダンス制御を全身のモーショントラッキングポリシーに統合し、上半身のコンプライアンスを実現するフレームワークである。
我々は,Unitree G1ヒューマノイドとシミュレーションの両方において,異なるレベルのコンプライアンスを必要とするタスクに対するアプローチを評価した。
論文 参考訳（メタデータ） (2025-11-06T18:59:33Z) - Development of the Bioinspired Tendon-Driven DexHand 021 with Proprioceptive Compliance Control [10.382085972192723]
この手紙は、Dex-Hand 021という高性能でケーブル駆動の5本指ロボットハンドで、12のアクティブと7の受動的自由度(DoF)を持つ。
操作性を高めるために,プロプリオセプティブ・フォースセンシングに基づくアプタンス制御法を提案する。
実験の結果, シングルフィンガー負荷容量は10N以上, 再現性は0.001m以下, 力推定誤差は0.2N以下であった。
論文 参考訳（メタデータ） (2025-11-05T14:07:03Z) - Feel the Force: Contact-Driven Learning from Humans [52.36160086934298]
操作中のきめ細かい力の制御は、ロボット工学における中核的な課題である。
We present FeelTheForce, a robot learning system that model human tactile behavior to learn force-sensitive control。
提案手法は,5つの力覚的操作タスクで77%の成功率を達成した,スケーラブルな人間の監督において,堅牢な低レベル力制御を実現する。
論文 参考訳（メタデータ） (2025-06-02T17:57:52Z)
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。