論文の概要: E2DRL: End-to-End Differentiable Reinforcement Learning for 3D Obstacle Avoidance in Quadruped Robots

• arxiv url: http://arxiv.org/abs/2610.19627v1
• Date: Wed, 14 Oct 2026 05:54:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.986444
• Title: E2DRL: End-to-End Differentiable Reinforcement Learning for 3D Obstacle Avoidance in Quadruped Robots
• Title（参考訳）: E2DRL:四足歩行ロボットにおける3次元障害物回避のためのエンド・ツー・エンド微分強化学習
• Abstract要約: 異なる強化学習は、ロボットのポリシー学習を強く約束するが、足の動きへの応用は、目隠しやシミュレーションされた2Dタスクに限られている。 本稿では, ソフトな微分可能な障害物-相互作用の定式化により, この問題に対処するE2DRLを提案する。 静的および動的環境において,Unitree Go2上での3次元障害物回避のために,エンド・ツー・エンドの微分可能な最初のsim-to-realバリデーションを提案する。
• 参考スコア（独自算出の注目度）: 10.381060240108015
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Differentiable reinforcement learning shows strong promise for robot policy learning, but its application to legged locomotion has remained limited to blind walking or simulated 2D tasks. Extending it to end-to-end visual obstacle avoidance is challenging because hard collision constraints and early termination upon contact corrupt first-order gradients, trapping optimizers in local minima. We present E2DRL, which addresses this with a soft differentiable obstacle-interaction formulation: penetration penalties across multiple body keypoints with velocity-conditioned stop-gradient shaping to provide the first-order training signals for 3D obstacle avoidance. To realize a deployable perception-control system, a privileged teacher trained via Soft Analytic Policy Optimization (SAPO) in a differentiable simulator is distilled into a recurrent depth-based student via DAgger, then blended with a base locomotion policy using a terrain-aware gating module for deployment. In simulation, E2DRL achieves higher sample efficiency than PPO and demonstrates superior velocity-tracking performance and 3D obstacle-avoidance capability compared with both PPO and Duality-based DCBF NMPC. We present the first sim-to-real validation of end-to-end differentiable RL for 3D obstacle avoidance on a Unitree Go2 in static and dynamic environments.
• Abstract（参考訳）: 異なる強化学習は、ロボットのポリシー学習を強く約束するが、足の動きへの応用は、目隠しやシミュレーションされた2Dタスクに限られている。 急激な衝突制約と接触した1次勾配の早期終了により、局所的なミニマでオプティマイザをトラップするため、エンドツーエンドの視覚障害物回避に拡張することは困難である。 E2DRLは,3次元障害物回避のための1次訓練信号を提供するために,速度条件付き停止段階整形による複数のボディキーポイントに貫通するペナルティを,ソフトに微分可能な障害物-相互作用の定式化で処理する。 展開可能な認識制御システムを実現するために、相違可能なシミュレータにおけるソフトアナリシスポリシー最適化(SAPO)を用いて訓練された特権教師をDAggerを介して再帰的な深度ベースの学生に蒸留し、配置用に地形認識ゲーティングモジュールを用いてベースロコモーションポリシーとブレンドする。 シミュレーションでは、E2DRLはPPOよりも高い試料効率を実現し、PPOとDualityベースのDCBF NMPCと比較して、速度追従性能と3次元障害物回避性能を示した。 静的および動的環境におけるUnitree Go2上の3次元障害物回避のためのエンドツーエンド微分可能RLの最初のsim-to-real検証について述べる。

関連論文リスト

• RoXDrive: Closed-Loop Reinforcement Learning for End-to-End Autonomous Driving via Action-Faithful Rollouts [98.41251854883184]
  強化学習(RL)ポストトレーニングは、現在のアプローチに代わる有望な代替手段を提供する。 ビデオワールドモデルは、現実的な多段階の将来のロールアウトを生成する能力を示したが、アクション条件を忠実に反映しないかもしれない。 本稿では,信頼性の高いポリシ最適化を実現するプラグイン・アンド・プレイクローズドループRLフレームワークであるRoXDriveを紹介する。
  論文  参考訳（メタデータ） (2026-09-29T06:59:50Z)
• Embodied-Navigator: Point, Think, Memorize, and Align for Efficient Navigation [68.02899606570223]
  本稿では,効率的なエンボディナビゲーションのための統合フレームワークであるTAMP-Navを提案する。 まず、ナビゲーションを2次元の視覚座標に再構成するPixel-to-3D Action Formulation(Point)を導入する。 次に,Selective Reasoning and Anchor-Trajectory Memory Mechanism (Think and Memorize)を提案する。
  論文  参考訳（メタデータ） (2026-08-18T08:37:08Z)
• Time-to-Collision Based Dynamic Obstacle Avoidance Using Pretrained Vision Models for Robots in Unstructured Environments [12.499778437707759]
  実世界のデータに完全に依存する視覚に基づく動的障害物回避手法を提案する。 提案手法はシミュレーション訓練されたポリシーに固有のシム・トゥ・リアル・トランスファー問題を回避する。 テストシーケンスに存在する22種類の物理的障害のうち、少なくとも1フレームのTCCを1秒未満で検出する。
  論文  参考訳（メタデータ） (2026-07-08T19:41:19Z)
• KinematicRL: A Sim-to-Real Reinforcement Learning Framework For Social Navigation With Kinodynamic Feasibility [27.73146983499444]
  Deep Reinforcement Learning (DRL)はソーシャルナビゲーションを約束しているが、現実のデプロイメントは、永続的なsim-to-realギャップによって妨げられている。 この研究は、これらの制限に対処し、動的に実行可能なナビゲーションポリシーを生成する統一されたフレームワークを提示している。 実世界の環境での実験では、提案された追跡パイプラインと組み合わせることで、KinematicRLを最小限の修正で実微分駆動ロボットにデプロイできることが示されている。
  論文  参考訳（メタデータ） (2026-06-10T13:07:03Z)
• MAPLE: Latent Multi-Agent Play for End-to-End Autonomous Driving [62.43744546817599]
  視覚言語-アクション(VLA)モデルは、エンドツーエンドのモーションプランナーとして有効であるが、クローズドループ設定で評価すると不安定である。 本稿では, VLAモデルの潜在空間における動的駆動シナリオの, リアクティブでマルチエージェントなロールアウトのための新しいフレームワークMAPLEを提案する。 MAPLEはBench2Driveで最先端の駆動性能を実現し、堅牢なE2E自動運転システムのためのスケーラブルでクローズループなマルチエージェントプレイを実演する。
  論文  参考訳（メタデータ） (2026-05-13T23:35:14Z)
• GIRL: Generative Imagination Reinforcement Learning via Information-Theoretic Hallucination Control [0.0]
  GIRL(Generative Imagination Reinforcement Learning)は、この障害モードに2つの重要なコンポーネントで対処する潜在的世界モデルフレームワークである。 GIRLは、DreamerV3に対するタスク間の遅延ロールアウトドリフトを38～61%削減し、リターンを改善し、長距離タスクでの環境相互作用を少なくする。 蒸留前の変種はオーバーヘッドを減らし、フルモデルに対する計算効率を向上させる。
  論文  参考訳（メタデータ） (2026-04-08T17:14:21Z)
• Ada3Drift: Adaptive Training-Time Drifting for One-Step 3D Visuomotor Robotic Manipulation [53.750389076941396]
  拡散に基づくビジュモータポリシーは反復的認知を通じて多モーダルな動作分布をキャプチャするが、その高い推論遅延はリアルタイムロボット制御を制限する。 Ada3Driftは,専門家のデモモードに対して予測された行動を引き付ける訓練時間ドリフト場を学習する。 Ada3Driftは、拡散ベースの代替よりも10倍の関数評価を必要としながら、最先端のパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2026-03-12T14:36:53Z)
• WorldForge: Unlocking Emergent 3D/4D Generation in Video Diffusion Model via Training-Free Guidance [17.295532380360992]
  WorldForgeは3つの密結合モジュールからなるトレーニング不要の推論時間フレームワークである。 我々のフレームワークはプラグアンドプレイとモデル非依存であり、様々な3D/4Dタスクに適用可能である。
  論文  参考訳（メタデータ） (2025-09-18T16:40:47Z)

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。