論文の概要: Robust Nonprehensile Object Transport with Quadruped Robots

• arxiv url: http://arxiv.org/abs/2610.07245v1
• Date: Mon, 05 Oct 2026 18:46:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 02:58:29.602722
• Title: Robust Nonprehensile Object Transport with Quadruped Robots
• Title（参考訳）: 四足歩行ロボットによるロバストな非包括的物体輸送
• Abstract要約: 四足歩行ロボットのための頑健な非包括的物体輸送フレームワークを提案する。 不確実性を考慮した軌道最適化手法は、不確実なパラメータに対して最小の閉ループ感度を持つ物体運動を生成する。
• 参考スコア（独自算出の注目度）: 17.349316538352273
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper, we present a robust nonprehensile object transportation framework for quadruped robots. An uncertainty-aware trajectory optimization method generates object motions with minimal closed-loop sensitivity to uncertain parameters. The resulting reference trajectory is tracked using a coupled convex model predictive controller that jointly predicts the CoM dynamics of the quadruped and the payload followed by a whole-body QP that enforces ground reaction constraints. The approach is evaluated through extensive simulations and real-world experiments under variations in the object's inertial parameters. Its performance is compared with fixed-orientation and straight-line trajectories as baseline. The results show that the optimized object motion reduces the sliding by approximately 50% compared with the fixed-orientation baseline and 30% compared with the straight-line baseline, while also achieving lower robot CoM tracking errors.
• Abstract（参考訳）: 本稿では,四足歩行ロボットのための頑健な非包括的物体輸送フレームワークを提案する。 不確実性を考慮した軌道最適化手法は、不確実なパラメータに対して最小の閉ループ感度を持つ物体運動を生成する。 得られた基準軌道は、結合凸モデル予測コントローラを用いて追跡され、四重極とペイロードのCoMダイナミクスを共同で予測し、続いて地上反応の制約を強制する全身QPが続く。 この手法は、物体の慣性パラメータの変動の下で、広範囲なシミュレーションや実世界の実験を通じて評価される。 その性能は、固定方向と直線軌道をベースラインとして比較する。 その結果、最適化された物体の動きは、固定方向ベースラインと比較して約50%の滑りを減少させ、直線ベースラインに比べて30%の滑りを減少させ、ロボットのCoM追跡誤差を低減させることがわかった。

関連論文リスト

• Transolver-$σ$: Joint Spectral-Physical Subspace Modeling for Neural PDE Solving [53.58729034895666]
  Transolver-$は、結合スペクトル-物理部分空間モデリングに基づくニューラルPDEソルバである。 平均的な相対誤差を33.4%減らし、各基準に対して最強の基準線を上回り、最先端を達成している。
  論文  参考訳（メタデータ） (2026-09-29T11:24:19Z)
• Robotic Servo Tracking of Moving Targets with Dynamic Imitation Constraints [5.415143520107641]
  本稿では,擬似軌道制約に基づくサーボ追跡手法を提案する。 形状と振幅成分を組み込んだ時間スケーリング可能な変形機構と軌道変調を導入し、一連の軌道をリアルタイムで生成する。 提案手法は, 複雑な環境下でのいくつかの最先端手法と比較して, 動的障害物回避と高精度収束を実現することができる。
  論文  参考訳（メタデータ） (2026-09-13T15:17:44Z)
• Non-Prehensile Throwing: A Reinforcement Learning Perspective [4.519185019401122]
  非包括的(グラフフリー)な投球は、大きく、重く、そして/または変形可能なオブジェクトに適している。 既存のアプローチは、単純化された接触モデルによるモデルベースの最適化に依存している。 共同空間軌跡を直接最適化する強化学習手法を提案する。 提案手法では,重量 (790 g) や大型 (20x20x28 cm) などの多種多様な物体を350cm,180cmの目標に投棄し,実世界の成功率は97%に達した。
  論文  参考訳（メタデータ） (2026-09-01T06:00:33Z)
• Task-Relevant Feature-Dynamics Fidelity Enables Zero-Shot Sim-to-Real Transfer for Robotic Ultrasound Scanning [58.25007580703646]
  我々は,共有構造中間領域,軌道レベルの固定雑音,数ステップの条件流生成を組み合わせたTR指向超音波シミュレータを開発した。 ファントム実験では、4つの標的機に400発のゼロショット配置のうち390発が成功した。
  論文  参考訳（メタデータ） (2026-08-30T02:37:00Z)
• Bayesian Optimization for Learning Nonlinear MPC in Autonomous Agent Navigation [0.0]
  提案するフレームワークはロボット非依存であり,ガゼボを用いたシミュレーションにおいて,Unitree Go2の4倍の精度で評価されている。 完全なシステムは、デプロイ時に最大90.0%のナビゲーション成功率を達成するとともに、シミュレーション環境全体の評価指標を平均38.9%改善する。
  論文  参考訳（メタデータ） (2026-06-08T16:08:09Z)
• Dual-quaternion learning control for autonomous vehicle trajectory tracking with safety guarantees [39.146761527401424]
  運動を運動論的に記述できる自律型ロボットプラットフォームのための学習型軌道追跡制御器を提案する。 コントローラは二重四元数フレームワークで定式化され、角速度と直線速度の直接の指令を仮定して速度レベルで動作する。
  論文  参考訳（メタデータ） (2026-01-06T15:30:02Z)
• Neural Motion Fields: Encoding Grasp Trajectories as Implicit Value Functions [65.84090965167535]
  本稿では,ニューラルネットワークによってパラメータ化される暗黙的値関数として,オブジェクト点群と相対的タスク軌跡の両方を符号化する新しいオブジェクト表現であるNeural Motion Fieldsを提案する。 このオブジェクト中心表現は、SE(3)空間上の連続分布をモデル化し、サンプリングベースのMPCを利用して、この値関数を最適化することで、反応的に把握することができる。
  論文  参考訳（メタデータ） (2022-06-29T18:47:05Z)
• 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)
• Online Body Schema Adaptation through Cost-Sensitive Active Learning [63.84207660737483]
  この作業は、icubロボットシミュレータの7dofアームを使用して、シミュレーション環境で実行された。 コストに敏感な能動学習手法は最適な関節構成を選択するために用いられる。 その結果,コスト依存型能動学習は標準的な能動学習手法と同等の精度を示し,実行運動の約半分を減らした。
  論文  参考訳（メタデータ） (2021-01-26T16:01:02Z)
• First Steps: Latent-Space Control with Semantic Constraints for Quadruped Locomotion [73.37945453998134]
  従来の四重化制御のアプローチでは、単純化された手作りのモデルが採用されている。 これにより、有効な運動範囲が縮小されているため、ロボットの能力が大幅に低下する。 この研究において、これらの課題は、構造化潜在空間における最適化として四重化制御をフレーミングすることによって解決される。 深い生成モデルは、実現可能な関節構成の統計的表現を捉え、一方、複雑な動的および終端的制約は高レベルな意味的指標によって表現される。 実世界とシミュレーションの両方で最適化された移動軌跡の実現可能性を検証する。
  論文  参考訳（メタデータ） (2020-07-03T07:04:18Z)

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。