論文の概要: Co-design of trajectory and morphology for a vertical jump-climbing robot

• arxiv url: http://arxiv.org/abs/2609.31014v1
• Date: Fri, 25 Sep 2026 09:07:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 18:27:51.320559
• Title: Co-design of trajectory and morphology for a vertical jump-climbing robot
• Title（参考訳）: 垂直ジャンプクライミングロボットの軌道と形態の共設計
• Abstract要約: 290gのロボットが空中位相とバウンドして垂直に登った最初のロボットとなる。 結果として生じる軌道は、ロボットを垂直に発射する急速操作と、前方のグリップを地表に戻す空中の方向転換を含む。 得られた2次元力空間の跳躍力を評価し、最適化されたモルフォロジーが0.375 m/s (1.97体長/s)の速度で連続登頂可能であることを示す。
• 参考スコア（独自算出の注目度）: 3.7534907180639503
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Animals such as squirrels and even bears have adapted to rapidly climb up trees and other complex vertical terrain, but achieving comparable agility has been a challenge for climbing robots. Existing robots often use walking gaits and move conservatively to stay in contact with the surface, which limits the range of dynamic maneuvers. In this paper we present a 290 g robot that, to our knowledge, is the first to climb vertically by bounding (with an aerial phase). We leverage a co-design workflow, in which the morphology and trajectory are jointly optimized for fast locomotion, subject to adhesion force limitations seen in spined grippers. The resulting trajectory includes a rapid maneuver that launches the robot vertically, and an aerial reorientation that brings the front grippers back to the surface using the rear leg as an inertial tail. We evaluate the resulting jump forces in 2D force space and demonstrate that the optimized morphology is capable of continuous climbing at a speed of 0.375 m/s (1.97 body lengths/s), and can also achieve ground locomotion and transition to a vertical surface. Our work proposes design insights for the jump-climbing maneuver and serves as an important step toward creating climbing robots with agility on par with that of animals.
• Abstract（参考訳）: リスやクマのような動物は、木やその他の複雑な垂直な地形を素早く登るように適応してきたが、ロボットを登るには同等の俊敏性を達成することが困難だった。 既存のロボットはしばしば歩行歩行を使い、表面と接触するために保守的に動き、ダイナミックな操作範囲を制限する。 本稿では,290gのロボットを初めて(空中位相で)垂直に登るロボットについて述べる。 我々は,回転グリップパに現れる粘着力の制限を条件として,形状と軌道を高速移動に共同最適化する共設計ワークフローを活用する。 結果として生じる軌道は、ロボットを垂直に発射する急激な操作と、後肢を慣性尾翼として、前方のグリッパーを地表に戻す空中再配向を含む。 得られた2次元力空間の跳躍力を評価し, 最適化されたモルフォロジーは0.375 m/s (1.97体長/s) の速度で連続的な登山が可能であり, 地上の移動や垂直面への遷移も可能であることを示した。 我々の研究は、ジャンプクライミング操作のための設計上の洞察を提案し、動物と同等の俊敏性で登山ロボットを作成するための重要なステップとなる。

関連論文リスト

• Learning Highly Dynamic Skills Transition for Quadruped Jumping Through Constrained Space [22.29000672270722]
  本研究では,ロボットに拘束された障害物を通した攻撃的な移動を可能にする階層型強化学習パイプラインを提案する。 模倣学習技術は、実際の動物の行動を模倣し、多様なスキルのセットを形成する、低レベルの政策の訓練に使用される。 特に、このフレームワークが他の非常にダイナミックなタスクにも拡張可能であることを検証する。
  論文  参考訳（メタデータ） (2026-08-20T12:50:18Z)
• LIMBERO: A Limbed Climbing Exploration Robot Toward Traveling on Rocky Cliffs [2.374610323448344]
  LIMBEROは10kg級の四足歩行ロボットで、足に背骨型のグリップが付いている。 そこで本研究では,指閉じ動作とスピンホック動作を結合したグリップデザインを提案する。 連続した荒地における幾何に基づく把握可能性指数を可視化する効率的なアルゴリズムを開発した。
  論文  参考訳（メタデータ） (2026-03-17T13:53:45Z)
• Perceptive Humanoid Parkour: Chaining Dynamic Human Skills via Motion Matching [77.28042137892943]
  本稿では,人間型ロボットの長期的視覚的パーキングを自律的に行うためのモジュール型フレームワークであるPerceptive Humanoid Parkour(PHP)を提案する。 本研究は、これらの合成動作に対する運動追跡強化学習専門家の政策を訓練し、それらを深度に基づく多スキル学生政策に抽出する。 我々は,Unitree G1ヒューマノイドロボットを用いた実世界実験により,我々のフレームワークを検証した。
  論文  参考訳（メタデータ） (2026-02-17T18:59:11Z)
• Humanoid Whole-Body Locomotion on Narrow Terrain via Dynamic Balance and Reinforcement Learning [54.26816599309778]
  動的バランスと強化学習(RL)に基づく新しい全身移動アルゴリズムを提案する。 具体的には,ZMP(Zero-Moment Point)駆動の報酬とタスク駆動の報酬を,全身のアクター批判的枠組みで拡張した尺度を活用することで,動的バランス機構を導入する。 フルサイズのUnitree H1-2ロボットによる実験により、非常に狭い地形でのバランスを維持するための手法の有効性が検証された。
  論文  参考訳（メタデータ） (2025-02-24T14:53:45Z)
• Impedance Matching: Enabling an RL-Based Running Jump in a Quadruped Robot [7.516046071926082]
  シミュレーションロボットと現実ロボットのギャップを軽減するための新しい枠組みを提案する。 本フレームワークはパラメータ選択のための構造化ガイドラインとシミュレーションにおける動的ランダム化の範囲を提供する。 結果は、我々の知る限り、実四足歩行ロボットにおいて、RLベースの制御ポリシーによって実証された最も高く、最も長いジャンプの1つです。
  論文  参考訳（メタデータ） (2024-04-23T14:52:09Z)
• Robot Parkour Learning [70.56172796132368]
  Parkourは、さまざまな障害物を素早く克服するロボットを必要とする、足で動くロボットにとって、大きな挑戦だ。 我々は,パープルスキルを生成するために,直接コロケーションにインスパイアされた強化学習手法を開発した。 我々は、これらの技術を単一の視覚に基づくパーサーポリシーに抽出し、エゴセントリックな深度カメラを用いて四足歩行ロボットに転送する。
  論文  参考訳（メタデータ） (2023-09-11T17:59:17Z)
• Barkour: Benchmarking Animal-level Agility with Quadruped Robots [70.97471756305463]
  脚付きロボットのアジリティを定量化するための障害物コースであるBarkourベンチマークを導入する。 犬の機敏性の競争に触発され、様々な障害と時間に基づくスコアリング機構から構成される。 ベンチマークに対処する2つの方法を提案する。
  論文  参考訳（メタデータ） (2023-05-24T02:49:43Z)

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。