論文の概要: Learning Safety-Constrained Whole-Body Loco-Manipulation for Lunar Surface Operations
- arxiv url: http://arxiv.org/abs/2610.15486v1
- Date: Sun, 11 Oct 2026 09:38:47 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-20 01:02:24.010456
- Title: Learning Safety-Constrained Whole-Body Loco-Manipulation for Lunar Surface Operations
- Title（参考訳）: 月面操作のための安全制約付き全体ロコマニピュレーションの学習
- Abstract要約: 本稿では,4次元移動マニピュレータのための制約付き強化学習フレームワークを提案する。
タスク空間で指定された6Dエンドエフェクターのポーズを追跡するために、シングルボディポリシーを学ぶ。
ソフト制約違反時間を、制約のないベースラインに対して最大1桁まで短縮し、ハード制約違反を生じさせない。
- 参考スコア（独自算出の注目度）: 0.7426111228092767
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Robotic systems for lunar surface operations must act autonomously and preserve their own integrity in an environment where failures are unrecoverable and continuous supervision is impossible. This paper presents a Constrained Reinforcement Learning framework for quadrupedal mobile manipulators that learns a single whole-body policy for tracking a 6D end-effector pose specified in task space, with operational limits enforced during learning through a constrained learning mechanism. We introduce a reward formulation in which the transition between locomotion and manipulation emerges from the reward geometry rather than from an explicit gating mechanism, a stability term derived from the Gravito-Inertial Inclination Margin and motivated by the reduced-gravity dynamics of the lunar surface, and a design rule for reward regularization that follows from the multiplicative structure of the termination-based objective. The framework is evaluated in a lunar-analog simulation spanning three terrain morphologies at five difficulty levels under lunar gravity, with regolith contact properties calibrated to the JSC-1a simulant and varied from loose to dense. The learned policy attains mean position and orientation errors of 3.22 cm and 6.83 deg. under nominal conditions, retains this precision across regolith densities and over the operationally representative range of terrain difficulty, and reduces soft-constraint violation time by up to an order of magnitude relative to an unconstrained baseline while incurring no hard-constraint violations.
- Abstract（参考訳）: 月面操作のためのロボットシステムは自律的に動作し、障害の発見が不可能で、継続的な監視が不可能な環境では、自身の完全性を維持する必要がある。
本稿では,タスク空間に規定された6次元エンドエフェクタのポーズを追跡するための1つの全身ポリシーを学習する四足歩行マニピュレータのための制約付き強化学習フレームワークを提案する。
本稿では,移動と操作の遷移が,明示的なゲーティング機構からではなく,報酬幾何学から生じるような報酬の定式化,月面の重力の減少に動機づけられたグラビト・慣性傾斜マージンから派生した安定性項,および終端に基づく目的の乗法的構造から続く報酬の正規化のための設計規則を導入する。
このフレームワークは、月重力下での5つの難易度で3つの地形形態をまたいだ月・月・月・月・月・月・月・月・月・月・月・月・月・月・月・月・月・月・月・月・月・月・月・月・月・月・月・月・月・月・月・月・月・月・月・土・月・月・月・月・月・月・月・月・月・月・月・月・土の接触特性を解析した。
学習されたポリシーは3.22cmと6.83degの平均位置と向きの誤差を達成している。
名目上の条件下では、この精度は、リゴリスの密度と、作戦的に代表される地形の難易度を越えて保持し、ソフト制約違反時間を、制約のないベースラインに対して最大で1桁まで短縮し、ハード制約違反は生じない。
関連論文リスト
- Phase-Gated Constrained Reinforcement Learning for End-to-End Capture and Detumbling of Non-Cooperative Targets [1.0086996758938032]
一つの制約付き強化学習政策が全ミッションを遂行可能であることを示す。
有効機構は、マルコフ決定過程の3つの軌跡に適用される滑らかな近接ゲートである。
1000以上のランダム化試験は99.5%で成功し、接触力、アクチュエータ、ベース・リアクション、衝突の限界を保っている。
論文 参考訳（メタデータ） (2026-10-11T09:46:13Z) - Safety-aware Skill Adaptation for Reinforcement Learning in Dynamic Environments [2.9923891863939946]
Dist-GPRLは、構造化ロボットスキル適応のための遠隔認識および安全誘導型強化学習フレームワークである。
ガウス過程(GP)に基づくスキルパラメタライゼーションを基盤として,スパーストラジェクトリの局所窓の重なり合いを逐次適応する。
シミュレーションにおける2つの動的オブジェクト操作タスクの枠組みを評価し,実世界のロボットに学習方針を伝達する。
論文 参考訳（メタデータ） (2026-09-10T12:05:54Z) - Task-space model-based control of pneumatic soft actuators [1.3707825707652799]
ソフトアクチュエータはデクスタラスかつコンプライアンスの相互作用を可能にするが、クローズドループタスク空間制御は依然として困難である。
本稿では,非最小座標離散弾性ロッドモデルに基づくリアルタイム動的モデルに基づくタスク空間フィードバックと推定フレームワークを提案する。
その結果、構造化された非最小ダイナミックモデルにより、自由空間における平面型ソフト空気圧アクチュエータのリアルタイム、高精度、中間帯域幅のタスク空間制御が可能となった。
論文 参考訳（メタデータ） (2026-08-27T14:32:07Z) - DeSeG: Decoupling Semantic Intent and Geometric Constraints for Physically Plausible Human-Scene Interaction [50.06148080975928]
本稿では,意味的意図を幾何学的制約から明確に分離する階層型フレームワークであるDeSeGを提案する。
DeSeGは最先端のパフォーマンスを実現し、平均シーン浸透率を47%削減し、SOTAベースラインに対するセマンティックアライメントを29%改善した。
論文 参考訳（メタデータ） (2026-07-07T03:21:08Z) - RelAfford6D: Relational 6D Affordance Graphs for Constraint-Driven Robotic Manipulation [15.618446008590409]
RelAfford6は複雑な調音オブジェクトのためのトレーニング不要のフレームワークである。
本システムでは,一次相互作用部分を物理的アンカーにリンクする意味的トポロジを推定する。
我々は満足度問題として下流実行を解析的に定式化する。
論文 参考訳（メタデータ） (2026-06-25T13:42:26Z) - MPC for underactuated spacecraft control with a Lyapunov supervised physics-informed neural network correction layer [2.4919077201316067]
未作動の宇宙船は、制御可能性の限界に直面し、環境障害に対する感度を高める。
i) 非線形モデル予測制御器(NMPC) の制約と非作動性を考慮した操作計画と, アクチュエータリミット下での名目上の閉ループ安定性, (ii) 物理インフォームドニューラルネットワーク(PINN) シミュレーションデータをオフラインでトレーニングし, 残差トルクを推定すること, (iii) 学習した補正をオンラインで評価し, ベースラインコントローラの安定性を維持または抑制するリアプノフベースの監視安全機構。
論文 参考訳（メタデータ） (2026-06-11T09:39:14Z) - Learning Reactive Dexterous Grasping via Hierarchical Task-Space RL Planning and Joint-Space QP Control [50.28263951510334]
本稿では,リアクティブなデクスタリーグルーピングのためのハイブリッド階層型制御フレームワークを提案する。
提案手法は,低レベル共同実行から高レベル空間意図を明示的に分離する。
我々は厳密なシミュレーションと現実のパイプラインを通して提案したフレームワークを広範囲に検証する。
論文 参考訳（メタデータ） (2026-05-05T04:49:38Z) - 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) - Dynamic Manipulation of Deformable Objects in 3D: Simulation, Benchmark and Learning Strategy [88.8665000676562]
従来の手法は、しばしば問題を低速または2D設定に単純化し、現実の3Dタスクに適用性を制限する。
データ不足を軽減するため、新しいシミュレーションフレームワークと、低次ダイナミクスに基づくベンチマークを導入する。
本研究では,シミュレーション前トレーニングと物理インフォームドテスト時間適応を統合するフレームワークであるDynamics Informed Diffusion Policy (DIDP)を提案する。
論文 参考訳（メタデータ） (2025-05-23T03:28:25Z) - Reinforcement Learning for Low-Thrust Trajectory Design of
Interplanetary Missions [77.34726150561087]
本稿では, 惑星間軌道のロバスト設計における強化学習の適用について検討する。
最先端アルゴリズムのオープンソース実装が採用されている。
その結果得られた誘導制御ネットワークは、堅牢な名目的軌道と関連する閉ループ誘導法の両方を提供する。
論文 参考訳（メタデータ） (2020-08-19T15:22:15Z) - 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。