論文の概要: Solving a Giant Rubik's Cube with a Quadruped Robot

• arxiv url: http://arxiv.org/abs/2610.24610v1
• Date: Sat, 17 Oct 2026 10:32:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-22 17:19:22.325276
• Title: Solving a Giant Rubik's Cube with a Quadruped Robot
• Title（参考訳）: 四足歩行ロボットで巨大なルービックキューブを解く
• Abstract要約: 四足歩行ロボットは、足だけを使ってルービックキューブを解くことができる。 我々は,立方体の距離ポーズを推定するRGB-D知覚パイプラインを開発する。 我々はこれらのスキルを、特権的な観察による強化学習を用いて訓練する。 システムは3つの自律型ハードウェアを完了し、それぞれ8～9分で約30ステップで解決する。
• 参考スコア（独自算出の注目度）: 10.326730686557415
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Pedipulating a freestanding articulated object requires controlling its pose and internal configuration while maintaining balance. We demonstrate this capability by autonomously solving a giant Rubik's Cube with a quadruped using only its feet. The task demands repeated precise interactions, since unintended layer motion can invalidate subsequent operations. We develop an onboard RGB-D perception pipeline that estimates the cube's metric pose and its full color state from partial views acquired through locomotion and flipping. A planner converts the computed solve into robot-executable skill sequences. Learned whole-body skills reorient the cube while preserving its layer configuration and turn its layers with one foot pinning the cube as the other pushes. We train these skills using reinforcement learning with privileged observations and distill them into policies that map onboard depth and proprioception to joint targets. The deployed policies tolerate variations in relative robot-cube placement and recover from external disturbances. The system completes three autonomous hardware solves, each about 30 steps over 8-9 minutes. These results show that combining onboard perception with coordinated pedipulation enables a quadruped to complete extended multi-step physical tasks. Additional material can be found at: https://leggedrobotics.github.io/rubik-skills/
• Abstract（参考訳）: 自由な明瞭なオブジェクトを教育するには、バランスを維持しながら、そのポーズと内部構成を制御する必要がある。 この能力は、巨大なルービックキューブを足だけを使って四足歩行で自律的に解くことで実証する。 意図しないレイヤの動きがその後の操作を無効にする可能性があるため、タスクは正確なインタラクションを繰り返し要求する。 移動と反転によって得られた部分的なビューから,立方体の距離ポーズとそのフルカラー状態を推定するRGB-D知覚パイプラインを開発した。 プランナーは、計算された解をロボット実行可能なスキルシーケンスに変換する。 学習した全身のスキルは、その層の構成を保ちながら立方体を再調整し、一方の足でもう片方の足で立方体を固定する。 我々は、これらのスキルを、特権的な観察による強化学習を用いて訓練し、それらを奥行きにマッピングし、共同目標に伝達する政策に抽出する。 デプロイされたポリシーは、相対的なロボットキューブ配置のバリエーションを許容し、外部の障害から回復する。 システムは3つの自律型ハードウェアを完了し、それぞれ8～9分で約30ステップで解決する。 これらの結果から、車載知覚と座標ペティピュレーションを組み合わせることで、四重項が拡張された多段階の物理タスクを完了できることが示唆された。 追加資料は、https://leggedrobotics.github.io/rubik-skills/にある。

関連論文リスト

• ViLoMan: Learning Visual-Proprioceptive Whole-Body Loco-Manipulation Skills for Humanoid Robots [56.6238848953359]
  ViLoManは、自律的なヒューマノイドロコ操作のためのスケーラブルなフレームワークである。 自我中心の深度観測と主観的測定を直接ジョイントレベル全体の行動にマッピングする統一的なポリシーを学ぶ。
  論文  参考訳（メタデータ） (2026-09-16T19:10:13Z)
• LadderMan: Learning Humanoid Perceptive Ladder Climbing [56.550077812088404]
  textbfLadderManは、ヒューマノイドロボットが多様なはしごを強く登ることができる統一システムである。 当社の登山ポリシーはスケーラブルな2段階学習パイプライン上に構築されており、複数の登山専門家を学習するためにハイブリッドモーショントラッキングを使用します。 さらに、デュアルエージェントの定式化を用いて個別の操作ポリシーを訓練し、遠隔操作による安定した on-ladder 操作を可能にする。
  論文  参考訳（メタデータ） (2026-06-04T08:47:08Z)
• Object-centric 3D Motion Field for Robot Learning from Human Videos [56.9436352861611]
  本稿では,人間ビデオからのロボット学習の動作を表現するために,物体中心の3次元運動場を提案する。 ゼロショット制御のためのビデオからこの表現を抽出するための新しいフレームワークを提案する。 実験の結果,提案手法は最新の手法に比べて3次元動作推定誤差を50%以上削減できることがわかった。
  論文  参考訳（メタデータ） (2025-06-04T17:59:06Z)
• CubeRobot: Grounding Language in Rubik's Cube Manipulation via Vision-Language Model [1.644433638087587]
  3x3ルービックキューブを解くのに適した視覚言語モデル(VLM)であるCubeRobotを紹介する。 VLM生成計画クエリからタスク関連機能を抽出するパラダイムとして,デュアルループのVisionCoTアーキテクチャとメモリストリームを組み込んだ。 低レベルのルービックキューブの復元作業では、キューブロボットは100%の精度を達成し、中程度のタスクでは100%に似ており、高レベルのタスクでは80%の精度を達成した。
  論文  参考訳（メタデータ） (2025-03-25T02:23:47Z)
• Helpful DoggyBot: Open-World Object Fetching using Legged Robots and Vision-Language Models [63.89598561397856]
  室内環境における四足歩行操作のためのシステムを提案する。 オブジェクト操作にはフロントマウントのグリップを使用しており、アジャイルスキルにエゴセントリックな深さを使ってシミュレーションでトレーニングされた低レベルのコントローラである。 実世界のデータ収集やトレーニングを行なわずに、2つの目に見えない環境でシステムを評価する。
  論文  参考訳（メタデータ） (2024-09-30T20:58:38Z)
• Robot See Robot Do: Imitating Articulated Object Manipulation with Monocular 4D Reconstruction [51.49400490437258]
  本研究は,1つの単分子RGB人間の実演から音声による物体操作を模倣する手法を開発した。 まず,モノクロ映像から3次元部分運動を復元する4次元微分可能部品モデル(4D-DPM)を提案する。 この4D再構成を前提として、ロボットは物体の軌道を再現し、両腕の動きを計画し、実証された物体部分の動きを誘導する。 両用するYuMiロボットを用いて,4D-DPMの3D追跡精度を実写3D部分軌跡に基づいて評価し,9つのオブジェクトに対してRSRDの物理的実行性能を評価した。
  論文  参考訳（メタデータ） (2024-09-26T17:57:16Z)
• Solving a Rubik's Cube Using its Local Graph Structure [13.219469732742354]
  ルービックスキューブには6つの面と12の可能なアクションがあり、小さくて制約のないアクション空間に繋がる。 ルービックスキューブはグラフとして表すことができ、立方体の状態はノードであり、作用はエッジである。 グラフ畳み込みネットワークに基づいて、スクランブルされたルービックスキューブの解を見つけるための新しい探索アルゴリズムを設計する。
  論文  参考訳（メタデータ） (2024-08-15T05:39:52Z)
• Towards Learning Rubik's Cube with N-tuple-based Reinforcement Learning [0.0]
  この研究は、一般ボードゲーム(GBG)学習およびプレイフレームワークにおいて、ルービックキューブゲーム(またはパズル)の学習と解決方法を詳細に記述している。 立方体の状態表現、ねじれ、全キューブ回転、色変換でそれを変換する方法、およびルービックキューブにおける対称性の使用を説明する。
  論文  参考訳（メタデータ） (2023-01-28T11:38:10Z)
• Benchmarking Robot Manipulation with the Rubik's Cube [15.922643222904172]
  高精度な操作とシーケンシャルな操作を同時に行うためのベンチマークとして,Rubikの立方体演算を提案する。 本稿では,ルービックキューブ操作の精度と速度を定量的に測定するプロトコルを提案する。 本稿では,PR2ロボット上での2つの異なるベースラインアプローチについて,このプロトコルを実証する。
  論文  参考訳（メタデータ） (2022-02-14T22:34:18Z)
• Bottom-Up Skill Discovery from Unsegmented Demonstrations for Long-Horizon Robot Manipulation [55.31301153979621]
  我々は,実世界の長距離ロボット操作作業に,スキル発見による取り組みを行う。 未解決のデモンストレーションから再利用可能なスキルのライブラリを学ぶためのボトムアップアプローチを提案する。 提案手法は,多段階操作タスクにおける最先端の模倣学習手法よりも優れた性能を示した。
  論文  参考訳（メタデータ） (2021-09-28T16:18:54Z)
• Solving Rubik's Cube via Quantum Mechanics and Deep Reinforcement Learning [0.0]
  ルービックキューブ(Rubik's Cube)は、およそ4.3倍の1019ドル(約4万3000円)の価格設定を含むパズルの1つである。 我々は、ルービック群のユニタリ表現と、その幾何学的制約からキューブを記述する量子形式論を開発する。 キューブは4つの位相で解かれるが、いずれもイジングモデルにインスパイアされたスペクトルに基づくハミルトンの報酬に基づいている。
  論文  参考訳（メタデータ） (2021-09-15T10:30:27Z)

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。