論文の概要: BRACE: Adapting Whole-Body References for Force and Terrain Aware Humanoid Motion Tracking

• arxiv url: http://arxiv.org/abs/2610.07052v1
• Date: Mon, 05 Oct 2026 03:18:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 02:58:29.535314
• Title: BRACE: Adapting Whole-Body References for Force and Terrain Aware Humanoid Motion Tracking
• Title（参考訳）: BRACE:Humanoid Motion Trackingのための全体基準への適応
• Abstract要約: BRACE(英: BRACE)は、傾斜した地形における平地を参照しながら、様々なポーズから命令された手勢を訓練し、補償する全身トラッカーである。 シミュレーションおよび実ロボット実験において、BRACEが様々な地形に力を与え、補償し、対処する能力を示す。
• 参考スコア（独自算出の注目度）: 6.3536724407572684
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Whole-body tracking has become the interface through which operators drive humanoid robots, yet the references it consumes are recorded on level ground and carrying nothing, so the tracker is aware of neither the forces the robot must exchange with objects nor the terrain it must stand on. Existing controllers address one side of this gap: force-capable policies command an end-effector force but prescribe no whole-body pose, while terrain-adaptive trackers treat loads as disturbances to reject rather than wrenches to command. We present BRACE, a whole-body tracker that exerts and compensates commanded hand forces from diverse poses while following a flat-ground reference on sloped terrain. Rather than leaving the tracker to absorb the load and the slope, BRACE folds both into the reference it follows: terrain conformance lifts footholds and root onto the local surface, and a wrench transformation resolves the hand displacement that produces a force jointly with the center-of-mass and center- of-pressure shifts it induces, bounded by teacher-specific arm-effort limits. Separate exertion and compensation teachers are distilled by DAgger into one flow-matching student that runs on proprioception alone, without a height map or measured wrench, so a teleoperator (even in remote locations) can supply a flat- ground trajectory and the robot resolves slope and load onboard. We extensive experiments on the Unitree-G1 to demonstrate the ability of BRACE to exert, compensate force and handle diverse terrain in simulation and real robot experiments.
• Abstract（参考訳）: 全体追跡は、オペレーターがヒューマノイドロボットを駆動するインターフェースになっているが、それらが消費する参照は地上で記録され、何も運ばない。 既存のコントローラは、このギャップの一方に対処する: フォース対応ポリシーは、エンドエフェクターフォースを指令するが、全身のポーズを規定しない。 本稿では,傾斜地形における平地参照に追従しながら,多様なポーズから命令された手勢を動作・補償する全体トラッカーBRACEについて述べる。 地形の整合性は、足場と根を局所的な表面に持ち上げ、レンチ変換は、質量の中心と圧力の中心との共同で力を生み出す手の動きを解決し、それが引き起こされ、教師固有のアームフォートの限界によって束縛される。 DAggerによって個別の運動と補償の教師を、高さマップや測定レンチを使わずに、プロプレセプションのみで走る1つのフローマッチング学生に蒸留し、遠隔地でも)遠隔操作者が平地軌道を供給でき、ロボットが傾斜と荷重を解消する。 本研究は,Unitree-G1において,シミュレーションおよび実ロボット実験においてBRACEの力を発揮し,補償し,多様な地形を扱う能力を実証する実験である。

関連論文リスト

• NEXUS: Perceptive Whole-Body Control for Terrain-Adaptive Teleoperation [59.5667378375909]
  全体遠隔操作では、人型ロボットが地形が違っても人間の動作を再現する必要がある。 NEXUSは、人間のモーションコマンドとオンボードの感覚フィードバックを組み合わせた、知覚的な全身制御フレームワークである。
  論文  参考訳（メタデータ） (2026-09-30T05:13:49Z)
• GigaBrain-WBC-0.5: A Behavior World Model for Robust Whole-Body Control with Environment Interaction [68.67772166423812]
  ヒューマノイド全身制御のための行動世界モデル(BWM)であるGigaBrain-WBC-0.5を提案する。 純粋にリアクティブなトラッカーではなく、因果トランスフォーマーをトレーニングして、次のアクション、次の状態、次の潜伏動作コマンドに対する分布を共同で予測します。 自動地形アノテーションパイプラインは、再ターゲティングされた動きから完全な3D接触形状を復元し、既存の動きデータセットのスケールでの地形アノテートを可能にする。
  論文  参考訳（メタデータ） (2026-08-18T18:21:36Z)
• TACT-ful: Multi-Channel Terrain Affordance and Compliance Training for Payload-Robust Perceptive Humanoid Locomotion [1.3553462938197818]
  構造された地形における足場選択には、接触平面性、表面急勾配、および運動的到達性に関する明確な推論が必要である。 本研究では, 平坦性, 急勾配性, 速度を考慮した高さ実現可能性と, 前方登頂報酬を組み合わせた多チャンネル地形コストを提案する。
  論文  参考訳（メタデータ） (2026-06-06T10:25:13Z)
• Perceptive Behavior Foundation Model: Adapting Human Motion Priors to Robot-Centric Terrain [25.92545023668694]
  我々は、ロボット中心の知覚において、人間の動きを前提とした地形認識型ヒューマノイド制御フレームワークを開発する。 我々は,視覚障害者の教師を訓練し,その地形・地形の振る舞いを生の学生に伝達する。 学生は、移動追跡を前もって保存し、必要なときにのみ局所的な補正を行うように訓練された、地形の特徴が残留経路を通り抜けるアイデンティティ付きトランスフォーマートラッカーである。
  論文  参考訳（メタデータ） (2026-06-06T08:46:44Z)
• Gait-Adaptive Perceptive Humanoid Locomotion with Real-Time Under-Base Terrain Reconstruction [86.53248703859718]
  本研究では,地形認識,歩行制御,全身制御を一つの強化学習ポリシーにマージする知覚的移動フレームワークを提案する。 31-DoF、1.65mのヒューマノイドロボットによる実験は、シミュレーションと実世界の両方で堅牢な移動を実証している。
  論文  参考訳（メタデータ） (2025-12-08T11:42:41Z)
• 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)

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。