論文の概要: Sensing via whole-body interactions with complex terrains: physical insights from robotic models
- arxiv url: http://arxiv.org/abs/2610.15334v1
- Date: Sun, 11 Oct 2026 04:23:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-20 01:34:49.102446
- Title: Sensing via whole-body interactions with complex terrains: physical insights from robotic models
- Title（参考訳）: 複雑な地形との全身的相互作用によるセンシング--ロボットモデルによる物理的洞察
- Abstract要約: 自然界では、動物は複雑な地形と相互作用し、しばしば体と環境をまたいだ力、変形、振動を発生させる。
このような相互作用によって引き起こされる機械的情報は振舞いを導くが、その生成と使用は解決が難しい。
生体内相互作用によって生じる候補となる機械的情報を,生物学的にガイドされたロボット物理モデルがどのように識別するかについて,焦点を絞った視点を示す。
- 参考スコア（独自算出の注目度）: 4.661170161391827
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: In nature, animals interact with complex terrains and often generate forces, deformations, and vibrations across the body and environment. Such interaction-induced mechanical information may guide behavior, yet its generation and use are difficult to resolve because movement rapidly and continually reconfigures the interactions that produce it. Sensory neurophysiology and biomechanics have revealed how mechanical information is transformed within sensory, neural, and musculoskeletal subsystems, whereas studies in complex terrains reveal rich whole-body interactions and behavioral outcomes. Connecting these levels remains a challenge. Here, I present a focused perspective on how biologically guided robotic physical models can help identify candidate mechanical information generated through whole-body interactions, test its physical mechanisms and behavioral benefits, and generate biological hypotheses. Three case studies illustrate this approach, multi-legged locomotor transitions to traverse dense clutter, limbless vertical body bending to propel through uneven terrain, and rapid spider leg crouching to help vibration sensing of prey on a web. Across these systems, correspondence between robots and animals supports the biological plausibility of these candidate physical mechanisms and motivates better measurements and models to determine how the relevant mechanical information is sensed and used to modulate behavior.
- Abstract（参考訳）: 自然界では、動物は複雑な地形と相互作用し、しばしば体と環境をまたいだ力、変形、振動を発生させる。
このような相互作用によって引き起こされる機械的情報は振舞いを導くことがあるが、その生成と使用は、その生成する相互作用を素早く継続的に再構成するため、解決が難しい。
感覚神経生理学とバイオメカニクスは、感覚、神経、筋骨格のサブシステムの中で、機械的情報がどのように変換されるかを明らかにしている。
これらのレベルを接続することは依然として課題です。
そこで,本研究では,生物誘導型ロボット物理モデルを用いて,全身の相互作用によって生じる候補となる機械的情報を同定し,その物理的メカニズムと行動的利益を検証し,生物学的仮説を生成する方法について考察する。
3つのケーススタディでは、このアプローチが示されており、多脚の移動体が横方向の密集したクラッタに遷移し、不均一な地形を突き抜けるために四肢のない垂直な体が曲がり、急激なクモの脚がしゃがみ込み、ウェブ上の獲物を振動で感知するのに役立つ。
これらのシステム全体にわたって、ロボットと動物間の通信は、これらの候補となる物理的メカニズムの生物学的妥当性をサポートし、関連する機械的情報がどのように検知され、どのように振る舞いを変調するかを決定するために、より良い測定とモデルを動機付けている。
関連論文リスト
- Learning Physical Interaction: A Survey of Tactile- and Force-aware Robot Learning [128.76135832773102]
物理的に接地されたロボットインテリジェンスは、ロボットが物理的世界との相互作用を知覚し、推論し、規制することを要求する。
近年のロボット学習法は, 力, 触覚, 視覚, 言語, 触覚を学習操作ポリシーに組み込むことで, 大幅な進歩を遂げている。
これらの進歩にもかかわらず、既存の調査では、統一的な視点から、力と触覚を意識したロボット学習を明示的にレビューしていない。
論文 参考訳（メタデータ） (2026-08-02T14:22:01Z) - A Mechanistic Model for Collective Motion from Sensorimotor Regularities [6.805575417034369]
本稿では,ロボット工学のモデリングフレームワークに基づくモデルについて述べる。
この単純なモデルでは、偏極運動、ミリング、リング形成、断片化などの多様な集団的挙動が生じる。
したがって、集団行動は相互作用する感覚運動の正則性の創発的な結果として理解することができる。
論文 参考訳（メタデータ） (2026-05-15T18:17:41Z) - Learn Weightlessness: Imitate Non-Self-Stabilizing Motions on Humanoid Robot [56.377161933570335]
人間は自然に非自己安定化(NSS)運動中に「無重力」状態を利用する。
この生物学的メカニズムに着想を得て,データセットのアノテーションに対する無重力自動ラベル方式を提案する。
我々の研究は、正確な軌道追跡と適応的な環境相互作用のギャップを埋め、接触リッチなヒューマノイド制御のための生物学的にインスパイアされたソリューションを提供する。
論文 参考訳（メタデータ） (2026-04-23T07:10:05Z) - MeshMimic: Geometry-Aware Humanoid Motion Learning through 3D Scene Reconstruction [54.36564144414704]
MeshMimicは、3Dシーンの再構築とインテリジェンスを組み込んだ革新的なフレームワークで、ヒューマノイドロボットがビデオから直接「モーション・テライン」インタラクションを学習できるようにする。
現状の3次元視覚モデルを活用することで、我々のフレームワークは、人間の軌跡と基礎となる地形や物体の3次元幾何学の両方を正確にセグメント化し再構築する。
論文 参考訳（メタデータ） (2026-02-17T17:09:45Z) - Towards Immersive Human-X Interaction: A Real-Time Framework for Physically Plausible Motion Synthesis [51.95817740348585]
Human-Xは、様々な実体をまたいだ没入的で物理的に妥当なヒューマンインタラクションを可能にするために設計された、新しいフレームワークである。
本手法は, 自己回帰型反応拡散プランナを用いて, リアルタイムに反応と反応を同時予測する。
我々のフレームワークは、人間とロボットのインタラクションのための仮想現実インターフェースを含む、現実世界のアプリケーションで検証されている。
論文 参考訳（メタデータ） (2025-08-04T06:35:48Z) - Human sensory-musculoskeletal modeling and control of whole-body movements [10.253693485647444]
感覚筋骨格系の動的モデルの構築は、運動制御の理解と人間の行動の調査に不可欠である。
骨,関節,筋腱の正確な解剖学的表現を統合した,SMS-Humanと呼ばれるヒトの感覚・筋骨格モデルについて報告する。
論文 参考訳（メタデータ） (2025-05-29T16:42:08Z) - GeMuCo: Generalized Multisensory Correlational Model for Body Schema Learning [18.64205729932939]
人間は自分の身体の感覚と動きの関係を学習することができる。
現在のロボットは、経験から人間によって記述されたネットワーク構造を学習することで身体を制御する。
論文 参考訳（メタデータ） (2024-09-10T11:19:13Z) - Persistent-Transient Duality: A Multi-mechanism Approach for Modeling
Human-Object Interaction [58.67761673662716]
人間は高度に適応可能で、異なるタスク、状況、状況を扱うために異なるモードを素早く切り替える。
人間と物体の相互作用(HOI)において、これらのモードは、(1)活動全体に対する大規模な一貫した計画、(2)タイムラインに沿って開始・終了する小規模の子どもの対話的行動の2つのメカニズムに起因していると考えられる。
本研究は、人間の動作を協調的に制御する2つの同時メカニズムをモデル化することを提案する。
論文 参考訳（メタデータ） (2023-07-24T12:21:33Z) - Learning body models: from humans to humanoids [2.855485723554975]
人間と動物は、複数の感覚のモダリティからの情報を組み合わせて、複雑な体を制御し、成長、失敗、ツールの使用に適応する。
鍵となる基礎は、エージェント(人間、動物、ロボット)が開発してきた身体の内部表現である。
脳内での体モデルの操作のメカニズムは、ほとんど不明であり、出生後の経験からどのように構築されているかは、あまり分かっていない。
論文 参考訳（メタデータ） (2022-11-06T07:30:01Z) - MyoSuite -- A contact-rich simulation suite for musculoskeletal motor
control [7.856809409051587]
myoSuiteは、生理学的に正確な肘、手首、手首の生体力学的モデルで、物理的な接触機能を備えている。
簡単な姿勢制御から熟練した手-物体間相互作用まで、さまざまな運動制御課題を提供する。
論文 参考訳（メタデータ） (2022-05-26T20:11:23Z) - Data-driven emotional body language generation for social robotics [58.88028813371423]
社会ロボティクスでは、人間型ロボットに感情の身体的表現を生成する能力を与えることで、人間とロボットの相互作用とコラボレーションを改善することができる。
我々は、手作業で設計されたいくつかの身体表現から学習する深層学習データ駆動フレームワークを実装した。
評価実験の結果, 生成した表現の人間同型とアニマシーは手作りの表現と異なる認識が得られなかった。
論文 参考訳（メタデータ） (2022-05-02T09:21:39Z)
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。