論文の概要: SOMA: Stack-of-Objects Manipulation using a Quadruped Robot
- arxiv url: http://arxiv.org/abs/2610.20968v1
- Date: Wed, 14 Oct 2026 21:43:14 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-16 19:13:16.08369
- Title: SOMA: Stack-of-Objects Manipulation using a Quadruped Robot
- Title（参考訳）: SOMA:四足歩行ロボットによるオブジェクトの積み重ね操作
- Abstract要約: SOMAは階層的な強化学習フレームワークであり、多目的スタックの全体的非包括的操作を行う。
ロボットのベースハイトコントロールを統合し、完全な3Dプッシュ戦略を解き放つ。
シングルオブジェクトのレポジトリで90.3%ドル、動的2ボックススタックで90.1%ドルに達する。
- 参考スコア（独自算出の注目度）: 2.707154152696381
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Executing heavy-duty physical manipulation in unpredictable environments remains a major challenge for quadrupedal robots lacking dedicated manipulators. This paper presents SOMA, a hierarchical reinforcement learning framework for whole-body non-prehensile manipulation of multi-object stacks using a quadruped robot. Unlike traditional methods restricted to two-dimensional planar pushing, SOMA integrates explicit robot base-height control, unlocking full three-dimensional pushing strategies. This capability enables the quadruped to manipulate complex payload stacks as a unified system while preventing relative sliding or tipping of upper layers. The architecture factorizes control into a high-level manipulation policy using a Simplified Structured State Space Sequence (S5) encoder to reason over long-horizon temporal history and predict bounded target tracking commands via Beta distributions, and a low-level locomotion policy that dynamically adapts leg stance configurations. In extensive simulation benchmarks, SOMA achieves a $90.3\%$ success rate for single-object reposing and up to $90.1\%$ for dynamic two-box stacks under stringent error margins ($0.05\text{ m}$ position error, $1^\circ$ orientation error). Finally, we validate zero-shot sim-to-real transfer on a Unitree Go1 quadruped robot across diverse payload masses and geometries, demonstrating active base-height adjustments to maintain traction and balance during heavy pushing tasks.
- Abstract（参考訳）: 予測不可能な環境で重厚な物理的操作を実行することは、専用のマニピュレータを欠いた四足歩行ロボットにとって大きな課題である。
本稿では,四足歩行ロボットを用いた多対象スタックの全体的非包括的操作のための階層的強化学習フレームワークであるSOMAを提案する。
従来の2次元平面プッシュに制限された手法とは異なり、SOMAは明示的なロボットベースハイト制御を統合し、完全な3次元プッシュ戦略を解き放つ。
この機能は、上層層の相対的なすべりや先端を防止しつつ、複雑なペイロードスタックを統一システムとして操作することができる。
このアーキテクチャは、制御を単純化された構造化状態空間シーケンス(S5)エンコーダを用いて高レベルな操作ポリシーに分解し、長期の時間的履歴を推論し、ベータ分布を介して有界な目標追跡コマンドを予測し、脚姿勢設定を動的に適応する低レベルな移動ポリシーを提供する。
大規模なシミュレーションベンチマークでは、SOMAは単一オブジェクトのレポジトリに対して90.3\%、厳密なエラーマージン(0.05\text{ m}$ position error, $1^\circ$ orientation error)の下で動的2ボックススタックに対して90.1\%という成功率を達成した。
最後に,Unitree Go1の4足歩行ロボットにおけるゼロショット・シム・トゥ・リアルトランスファーを多種多様なペイロード質量とジオメトリーにわたって検証し,重圧作業時のトラクションとバランスを維持するために,アクティブなベースハイト調整を実証した。
関連論文リスト
- Safe Multi-Robot Collaborative Transport Using Density Functions [1.299941371793082]
本稿では,複数の四足歩行ロボットによる安全な協調操作のための階層的密度に基づくモデル予測制御フレームワークを提案する。
中央ボックスレベルのMPCは、目標収束と障害物回避のための制御密度制約を強制しながら、接触力を最適化する。
この手法はMuJoCoにおいて、2つと3つのUnitree Go2rupedに対する全身接触ダイナミクスを用いて、狭い通路を通る剛体物体を協調的に押圧する手法として評価されている。
論文 参考訳（メタデータ） (2026-10-06T14:34:36Z) - Distributed Dexterous Manipulation with Spatially Conditioned Multi-Agent Transformers [0.7310043452300737]
本稿では,空間条件付きマルチエージェント変換器(MAT)に基づく分散デクサラスマニピュレーションシステムのためのロバスト制御ポリシを効率的に学習するためのフレームワークを提案する。
提案する3つのコアコントリビューションは, (i) 計算効率に適応的な層ノルムを持つMAT, (ii) ロボットの空間構成に接地トランスフォーマーを埋め込む空間コントラスト埋め込み, (iii) ソフトアクタ批評家を用いて微調整したMATに基づく行動クローニング手法である。
論文 参考訳（メタデータ） (2026-09-07T02:01:12Z) - 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) - Qwen-RobotManip Technical Report: Alignment Unlocks Scale for Robotic Manipulation Foundation Models [95.75234389806654]
本稿では、Qwen-VL上に構築された一般化可能なビジョン・ランゲージ・アクション基盤モデルであるQwen-RobotManipを提案する。
Qwen-RobotManipは、操作の表現、動き、行動の次元にわたって統合されたアライメントフレームワークを導入している。
人間とロボットの合成パイプラインは、エゴセントリックな手の動きを15プラットフォームにわたるロボットの軌道に変換する。
論文 参考訳（メタデータ） (2026-06-16T12:14:39Z) - Multi-Robot Box Transport over Different Surfaces with Decentralized Role-based Proportional Control [3.3531065379720624]
複数のロボットによって推進される物体の協調輸送には、建設や倉庫環境から災害廃棄物のクリーンアップの投稿まで、多くの応用がある。
本稿では, 平地, 上り坂, 下り坂の四角形箱を輸送するための非同期分散タスクと動作計画手法を提案する。
R2P2はNVIDIA IsaacSimを使って構築されたシミュレータにデプロイされた6ボットチームで評価されている。
論文 参考訳（メタデータ） (2026-05-26T01:31:31Z) - MARS-Dragonfly: Agile and Robust Flight Control of Modular Aerial Robot Systems [21.471271822760276]
モジュラー・エアリアル・ロボット・システム(MARS)は、再構成可能な連結構造を持つ複数のドローンユニットから構成される。
MARSは単純な準静的モデルと規則に基づくアロケーションに依存しており、不連続かつ非有界なモーターコマンドを生成する。
我々は、受動ドッキング、検出不要な受動ロック、磁気アシスト分離が可能な小型機械システムを開発した。
論文 参考訳（メタデータ） (2026-04-07T06:43:08Z) - ULTRA: Unified Multimodal Control for Autonomous Humanoid Whole-Body Loco-Manipulation [55.467742403416175]
本稿では,大規模モーションキャプチャをヒューマノイドに変換する物理駆動型ニューラルネットワークを提案する。
我々は高密度参照とスパースタスク仕様の両方をサポートする統合マルチモーダルコントローラを学習する。
その結果,ULTRAは自我中心の知覚から,自律的,目標条件付き全体ロコ操作に一般化することが示された。
論文 参考訳（メタデータ） (2026-03-03T18:59:29Z) - HAIC: Humanoid Agile Object Interaction Control via Dynamics-Aware World Model [56.4392302336014]
本稿では,外部状態推定を伴わない多種多様なオブジェクトダイナミクス間のロバストな相互作用のためのフレームワークであるHAICを提案する。
我々の重要な貢献は、主観的歴史のみから高次対象状態(速度、加速度)を推定するダイナミクス予測器である。
ヒューマノイドロボットの実験では、HAICはアジャイルタスクで高い成功率を達成する。
論文 参考訳（メタデータ） (2026-02-12T09:34:35Z) - OSCAR: Data-Driven Operational Space Control for Adaptive and Robust
Robot Manipulation [50.59541802645156]
オペレーショナル・スペース・コントロール(OSC)は、操作のための効果的なタスクスペース・コントローラとして使われてきた。
本稿では,データ駆動型OSCのモデル誤差を補償するOSC for Adaptation and Robustness (OSCAR)を提案する。
本手法は,様々なシミュレーション操作問題に対して評価し,制御器のベースラインの配列よりも大幅に改善されていることを示す。
論文 参考訳（メタデータ） (2021-10-02T01:21:38Z)
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。