Fugu-MT 論文翻訳(概要): ExoLaN: Physics-Consistent Context-Aware Dynamics Learning for Exoskeletons

論文の概要: ExoLaN: Physics-Consistent Context-Aware Dynamics Learning for Exoskeletons

arxiv url: http://arxiv.org/abs/2609.31434v1
Date: Fri, 25 Sep 2026 15:55:39 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-28 18:27:51.478889
Title: ExoLaN: Physics-Consistent Context-Aware Dynamics Learning for Exoskeletons
Title（参考訳）: ExoLaN:Exoskeletonsのための物理に一貫性のあるコンテキスト認識ダイナミクス学習
Abstract要約: 人間の意図に基づくタスク非依存の外骨格制御は,従来の手法よりも柔軟性が高い。人間の関節トルク推定は、ユーザ動作を特徴付けることでタスク非依存の支援を可能にする。本研究では,人間-外骨格相互作用のためのコンテキスト認識型DeLaNであるExoLaNを提案する。
参考スコア（独自算出の注目度）: 13.52467502450336
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Task-agnostic assistive exoskeleton control based on human intention offers greater flexibility than conventional approaches that rely on predefined tasks or motion patterns. Human joint torque estimation enables task-agnostic assistance by characterizing user actions. Physics-consistent methods such as Deep Lagrangian Networks (DeLaN) have been applied to estimate the human torques in multi-user settings, but existing approaches cannot adapt to a specific user without retraining, and do not account for intermittent contacts during locomotion. We propose ExoLaN, a Context-Aware DeLaN for human-exoskeleton interaction that learns the full coupled system dynamics while adapting to changes in interaction context. ExoLaN combines temporal context with partial contact-force measurements from force-sensitive insoles to infer latent dynamics embeddings and estimate generalized contact torques. On seven unseen users performing 21 unseen tasks, ExoLaN reduces torque estimation MSE by 7% compared to a black-box baseline. Beyond inverse dynamics, ExoLaN serves as a unified model that also enables accurate forward prediction: training with a multi-step prediction loss reduces acceleration MSE by 59% and long-horizon position and velocity errors by 60% and 93%, respectively, compared with a single-step loss. Moreover, the learned latent context captures task information without explicit task labels, making it a promising signal for task-aware assistive control.
Abstract（参考訳）: 人間の意図に基づくタスク非依存の補助的外骨格制御は、予め定義されたタスクや動作パターンに依存する従来のアプローチよりも柔軟性が高い。人間の関節トルク推定は、ユーザ動作を特徴付けることでタスク非依存の支援を可能にする。ディープ・ラグランジアン・ネットワーク(DeLaN)のような物理一貫性のある手法は、マルチユーザー設定で人間のトルクを推定するために応用されているが、既存のアプローチは、リトレーニングなしで特定のユーザーに適用できず、移動中に間欠的な接触を考慮しない。本研究では,インタラクションコンテキストの変化に適応しつつ,完全に結合したシステムダイナミクスを学習する,人間-外骨格相互作用のためのコンテキスト認識型DeLaNであるExoLaNを提案する。 ExoLaNは、時間的文脈と、力に敏感なインソールからの部分的な接触力の測定を組み合わせることで、潜伏力学の埋め込みを推定し、一般化された接触トルクを推定する。 21の未確認タスクを実行する7人の未確認ユーザに対して、ExoLaNはブラックボックスベースラインと比較してトルク推定MSEを7%削減する。逆ダイナミクス以外にも、ExoLaNは、正確な前方予測を可能にする統一モデルとして機能する: 多段階予測損失によるトレーニングは、加速度MSEを59%、長距離位置と速度誤差を60%と93%削減する。さらに、学習した潜在コンテキストは、明示的なタスクラベルなしでタスク情報をキャプチャし、タスク認識支援制御のための有望な信号となる。

関連論文リスト

Enabling Scalable Kinesthetic Teaching via Observer-based Hand-guiding with Active Support [1.9949261242626626]
ロボットハンドガイドによる審美教育は、模倣学習やプログラミング・バイ・デモのデモンストレーションを収集するための自然なインターフェースを提供する。現在の産業用ハンドガイドのアプローチは、通常、アクティブなアシストを提供しておらず、手首に装着した力トルクセンサーや、新しいタスクでは利用できない学習された動作先に依存した代替手段が求められている。 RHOASは,演算子意図の動作を,追加ハードウェアを使わずにモデルベース力推定を用いて積極的に支援する手動誘導方式である。
論文参考訳（メタデータ） (2026-08-11T12:19:17Z)
Knowledge Reutilization in Meta-Reinforcement Learning [51.07319647819108]
本稿では,動的に単純化されたエージェント上でタスクレベルの知識を学習し,それを異種エージェントに転送するメタ知識再利用フレームワークを提案する。我々のフレームワークは、最新の最先端ベースラインと比較して、最終段階のトラッキングエラーを94.75% -- 99.79%削減している。
論文参考訳（メタデータ） (2026-06-16T16:32:28Z)
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)
SixthSense: Task-Agnostic Proprioception-Only Whole-Body Wrench Estimation for Humanoids [13.456157050156643]
SixthSenseは、プロプレセプションとIMUデータだけで、全身の接触タイミング、位置、レンチを推測する。衝突検出、物理的人間-ロボット相互作用、フォースフィードバック遠隔操作などのアプリケーションのためのプラグアンドプレイ認識モジュールとして機能する。
論文参考訳（メタデータ） (2026-05-02T12:57:27Z)
Unleashing Guidance Without Classifiers for Human-Object Interaction Animation [54.24065561632133]
従来の拡散に基づくアプローチは、しばしば接触品質を改善するために手作りの接触先行や人為的なキネマティック制約に頼っている。そこで本研究では,手作業による事前設計への依存を軽減し,手作業による指導を段階的に行うデータ駆動型代替手法を提案する。このデータ駆動型ガイダンスは本質的に接触認識であり,広い範囲の合成対象測地でトレーニングを行う際に拡張可能である。
論文参考訳（メタデータ） (2026-03-26T17:59:34Z)
TATIC: Task-Aware Temporal Learning for Human Intent Inference from Physical Corrections in Human-Robot Collaboration [3.4672098154671995]
ヒューマンロボットコラボレーション(HRC)では、ロボットは動的タスクの制約にオンラインで適応し、人間の意図を進化させなければならない。本稿では,トルクベース接触力推定とタスク対応時間畳み込みネットワーク(TCN)を利用した個別タスクレベルの意図を推定する統合フレームワークTATICを提案する。実験は意図認識において0.904 Macro-F1のスコアを獲得し、ハードウェアの検証に成功した。
論文参考訳（メタデータ） (2026-03-10T21:19:25Z)
ULTRA: Unified Multimodal Control for Autonomous Humanoid Whole-Body Loco-Manipulation [55.467742403416175]
本稿では,大規模モーションキャプチャをヒューマノイドに変換する物理駆動型ニューラルネットワークを提案する。我々は高密度参照とスパースタスク仕様の両方をサポートする統合マルチモーダルコントローラを学習する。その結果,ULTRAは自我中心の知覚から,自律的,目標条件付き全体ロコ操作に一般化することが示された。
論文参考訳（メタデータ） (2026-03-03T18:59:29Z)
Learning-based adaption of robotic friction models [50.72489248401199]
我々は、可能な限り少ないデータを用いて、既存の摩擦モデルを新しいダイナミクスに適用するための新しいアプローチを導入する。本手法はトレーニング中に外部負荷を伴うデータに依存しないため,外部トルクセンサは不要である。
論文参考訳（メタデータ） (2023-10-25T14:50:15Z)
Hierarchical Few-Shot Imitation with Skill Transition Models [66.81252581083199]
FIST(Few-shot Imitation with Skill Transition Models)は、オフラインデータからスキルを抽出し、それらを利用して見えないタスクに一般化するアルゴリズムである。本稿では,FISTが新たなタスクに一般化し,ナビゲーション実験において従来のベースラインを大幅に上回っていることを示す。
論文参考訳（メタデータ） (2021-07-19T15:56:01Z)
Clinical Risk Prediction with Temporal Probabilistic Asymmetric Multi-Task Learning [80.66108902283388]
マルチタスク学習手法は、臨床リスク予測などの安全クリティカルな応用に注意を払って使用すべきである。既存の非対称なマルチタスク学習手法は、低損失のタスクから高損失のタスクへの知識伝達を行うことにより、この負の伝達問題に対処する。特徴レベルの不確実性に基づいて,特定のタスク/タイムステップから関連する不確実なタスクへの知識伝達を行う,新しい時間的非対称型マルチタスク学習モデルを提案する。
論文参考訳（メタデータ） (2020-06-23T06:01:36Z)

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。