論文の概要: ReCo: Response-Consistent Locomotion with Policy-Aware MPC for Legged Manipulation
- arxiv url: http://arxiv.org/abs/2610.01612v1
- Date: Thu, 01 Oct 2026 12:51:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-03 01:19:24.135682
- Title: ReCo: Response-Consistent Locomotion with Policy-Aware MPC for Legged Manipulation
- Title（参考訳）: ReCo:レッグ操作のためのポリシー対応MPCを用いた応答持続ロコモーション
- Abstract要約: 本稿では、応答一貫性のある移動とポリシーを意識したMPCを結合したレコ(ReCo)について述べる。
ReCoは、位置と方向のルート平均二乗誤差(RMSE)を、各メートル法で最高のベースラインに対して28.7%、27.4%削減する。
実世界の実験では、調整されたベースとアームの動きによる連続的な脚の操作が実証されている。
- 参考スコア（独自算出の注目度）: 4.865149982707432
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Continuous legged manipulation requires accurate end-effector tracking while the base keeps walking. Combining reinforcement learning (RL) with model predictive control (MPC) suits this task: the learned policy provides robust locomotion, while MPC coordinates the base and arm to compensate for tracking errors. However, MPC can compensate only for base motion that it can predict, and a learned policy's command response varies with gait phase, contact, and payload. We present ReCo, a framework that couples response-consistent locomotion with policy-aware MPC for legged manipulation. Response shaping trains the policy to respond to commands consistently and repeatably across randomized dynamics. An identified closed-loop response model then lets MPC jointly plan locomotion commands and arm motion. On the simulation benchmark, ReCo reduces position and orientation root-mean-square error (RMSE) by 28.7% and 27.4% relative to the best baseline for each metric. Real-world experiments demonstrate onboard continuous legged manipulation with coordinated base and arm motion.
- Abstract（参考訳）: 連続的な足の操作は、ベースが歩き続ける間、正確なエンドエフェクター追跡を必要とする。
強化学習(RL)とモデル予測制御(MPC)を組み合わせることで、学習ポリシはロバストな移動を提供し、MPCはベースとアームを調整し、トラッキングエラーを補償する。
しかし、MPCは予測できるベースモーションのみを補償することができ、学習されたポリシーのコマンド応答は歩行フェーズ、接触、ペイロードによって変化する。
本稿では、応答一貫性のある移動とポリシーを意識したMPCを組み合わさったレコ(ReCo)について述べる。
レスポンシブシェーピングは、ランダム化されたダイナミックスを通じて、コマンドに一貫して、反復的に応答するポリシーを訓練する。
同定されたクローズドループ応答モデルにより、MPCはロコモーションコマンドと腕の動きを共同で計画できる。
シミュレーションベンチマークでは、ReCoは各メトリックの最良のベースラインに対して、位置と向きのルート平均二乗誤差(RMSE)を28.7%、27.4%削減する。
実世界の実験では、調整されたベースとアームの動きによる連続的な脚の操作が実証されている。
関連論文リスト
- Learning Holistic Whole-Body Loco-Manipulation with a Bipedal Mobile Manipulator [6.961580294931018]
両足歩行操作は、ロボットが腕の名目上の作業空間を超えて物体と対話することを可能にする。
タスクレベルの操作目標を協調した腕と脚の動きに変換する低レベル全体制御器を提案する。
論文 参考訳（メタデータ） (2026-09-16T17:05:32Z) - ORPA: Online Residual Policy Adaptation for Robot Manipulation Control with Human Feedback [1.711436622393758]
オンライン残留ポリシー適応(英語: Online Residual Policy Adaptation、ORPA)は、ロボット行動のフィードバック駆動による修正を可能にするフレームワークである。
ORPAは事前訓練された制御ポリシーを軽量でフィードバック条件付きモジュールで拡張し、関節空間内での残留調整を直接予測する。
ORPAをALOHAプラットフォームを用いて精度の高い操作タスクのセットで評価し、ベースライン制御ポリシやルールベースの逆運動学補正と比較して、小さな摂動による成功率と回復率の改善を実証した。
論文 参考訳（メタデータ） (2026-08-18T03:30:12Z) - Learning Reusable Hybrid Motion Priors for Humanoid Locomotion from Motion Imitation [2.8733935930169228]
本稿では,3段階のパイプラインを提案する。
シミュレーションにおいて,速度トラッキング,ポイントゴールナビゲーション,フォール-リカバリ速度トラッキングの手法の評価を行った。
学習したHMPは、アクティブなRVQステージの数が利用可能なパターンを変調する解釈可能なコードブック構造を明らかにする。
論文 参考訳（メタデータ） (2026-07-27T07:25:17Z) - MPC-Injection: Biasing Off-Policy Locomotion RL Toward Controller-Induced Behavior Basins [7.729687505744033]
制御器の動作流域にポリシーを駆動する低オーバーヘッド方式であるMPC-Injectionを提案する。
報酬形成とは異なり、MPC-インジェクションはタスク報酬の再設計を必要としない。
MPC-Injectionは1対2のタスク報酬を用いて制御器の動作盆地にポリシーを誘導することを示す。
論文 参考訳（メタデータ） (2026-06-24T21:23:22Z) - RGB: RL Guided Whole-Body MPPI for Humanoid Control [2.854451361373021]
本稿では,アドオンフィードバックコントローラとして機能するRLガイド付き全身モデル予測パス積分(MPPI)フレームワークを提案する。
提案手法は,同じコマンドインタフェース下での純粋RLベースライン上でのタスクレベル精度を向上させる。
論文 参考訳（メタデータ） (2026-06-23T19:54:02Z) - Improving Robotic Generalist Policies via Flow Reversal Steering [92.97477771370428]
汎用ポリシーは多様なロボットデータセットから幅広いスキルを学ぶことができる。
新しい課題を解決し、改善するためには、ポリシーのリッチな振る舞いから適切なアクションを推論し、呼び出す方法が必要です。
本稿では,フローリバーサルステアリング (FRS) を提案し,フローポリシーを逆に通すことで,最適だが合理的な動作をとる手法を提案し,それらを一般の動作モードにマッピングする。
論文 参考訳（メタデータ） (2026-06-11T17:59:45Z) - 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) - Policy Search for Model Predictive Control with Application to Agile
Drone Flight [56.24908013905407]
MPCのためのポリシ・フォー・モデル・予測制御フレームワークを提案する。
具体的には、パラメータ化コントローラとしてMPCを定式化し、パラメータ化の難しい決定変数を高レベルポリシーとして表現する。
シミュレーションと実環境の両方において,我々の制御器が堅牢かつリアルタイムに制御性能を発揮することを示す実験を行った。
論文 参考訳（メタデータ） (2021-12-07T17:39:24Z) - Nonprehensile Riemannian Motion Predictive Control [57.295751294224765]
本稿では,リアル・ツー・シムの報酬分析手法を導入し,リアルなロボット・プラットフォームに対する行動の可能性を確実に予測する。
連続的なアクション空間でオブジェクトを反応的にプッシュするクローズドループコントローラを作成します。
我々は,RMPCが乱雑な環境だけでなく,乱雑な環境においても頑健であり,ベースラインよりも優れていることを観察した。
論文 参考訳（メタデータ） (2021-11-15T18:50:04Z) - Learning from Simulation, Racing in Reality [126.56346065780895]
ミニチュアレースカープラットフォーム上で自律的なレースを行うための強化学習ベースのソリューションを提案する。
シミュレーションで純粋に訓練されたポリシーは、実際のロボットのセットアップにうまく移行できることを示す。
論文 参考訳（メタデータ） (2020-11-26T14:58:49Z)
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。