論文の概要: Learning Structured Locomotion References for Optimization-Based Whole-Body Control

• arxiv url: http://arxiv.org/abs/2610.24779v1
• Date: Sat, 17 Oct 2026 16:47:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-22 16:20:52.469122
• Title: Learning Structured Locomotion References for Optimization-Based Whole-Body Control
• Title（参考訳）: 最適化に基づく全体制御のための構造的ロコモーション参照の学習
• Abstract要約: 四足歩行には、体の動き、接触力、足場配置、歩行タイミングの調整が必要である。 本稿では、歩行スケジューラ、反応性フットステッププランナー、全身インパルスコントローラが高周波実行の責任を負っている間、強化学習が構造化された移動参照に適応する階層型コントローラを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Quadruped locomotion requires coordinating body motion,contact forces, foothold placement, and gait timing. We present a hierarchical controller in which reinforcement learning adapts these structured locomotion references while a gait scheduler, reactive footstep planner, and whole-body impulse controller retain responsibility for high-frequency execution. The model-based backbone can sustain a nominal trot independently, allowing the policy to focus on when and how to modify an already functional locomotion controller. We train the complete hierarchy in a vectorized controller-in-the-loop environment using a six-direction disturbance curriculum. Under a common simulator and evaluation protocol, the proposed controller achieves 77.29% mean survival across the tested disturbance grid, compared with 50.35% for the model-based reference controller. Training-time channel ablations identify adaptive foothold placement as the largest marginal contributor to grid survival and reveal direction-dependent effects of gait-rate adaptation. Together, these results demonstrate the viability of the proposed hierarchical controller architecture for integrating learned adaptation with optimization-based whole-body control through structured locomotion references.
• Abstract（参考訳）: 四足歩行には、体の動き、接触力、足場配置、歩行タイミングの調整が必要である。 本稿では, 歩行スケジューラ, レスポンシブフットステッププランナー, 全身インパルスコントローラが高周波実行の責任を負うとともに, 強化学習がこれらの構造的移動参照に適応する階層型コントローラを提案する。 モデルベースのバックボーンは、名目上のトロットを独立して保持することができるため、ポリシーは、既に機能しているロコモーションコントローラをいつ、どのように変更するかに焦点を合わせることができる。 6方向乱れのカリキュラムを用いて,ベクタライズされたコントローラ・イン・ザ・ループ環境における完全な階層を訓練する。 一般的なシミュレータと評価プロトコルでは、モデルベースの参照コントローラでは50.35%に対して、提案したコントローラは77.29%の平均生存率を達成した。 訓練時間チャンネルの短縮により、適応的足場配置はグリッドサバイバルにおける最大の限界要因であり、歩行速度適応の方向依存効果を明らかにする。 これらの結果は,学習適応と最適化に基づく全身制御を統合化するための階層型コントローラアーキテクチャの実現可能性を示すものである。

関連論文リスト

• PredActor: Predictive Action Diffusion for Steerable Onboard Humanoid Control [49.348182500314614]
  アクションのみの拡散は直接アクションを生成するが、テスト時間運動の目的に対する明示的な将来の軌道は欠如している。 連立状態-作用拡散はこの表現を提供するが、代表コントローラはしばしば特権付きフルボディ状態に依存する。 提案するPredActorは,これらのステアリングを直接実行されるポリシに含める,予測的行動拡散ポリシである。
  論文  参考訳（メタデータ） (2026-09-21T16:20:25Z)
• Learning Holistic Whole-Body Loco-Manipulation with a Bipedal Mobile Manipulator [6.961580294931018]
  両足歩行操作は、ロボットが腕の名目上の作業空間を超えて物体と対話することを可能にする。 タスクレベルの操作目標を協調した腕と脚の動きに変換する低レベル全体制御器を提案する。
  論文  参考訳（メタデータ） (2026-09-16T17:05:32Z)
• Deep RL- Tuned Mo del-Free Adaptive Control for Lower-Limb Exoskeletons During Sit-to-Stand Transitions [0.6397595749616992]
  Sit-to-stand(STS)移行は、高齢者にかなりの関節装填要求を課す。 STS中の正確な軌道追跡は、複雑な時間変化のヒト外骨格相互作用のダイナミクスのために困難である。 本稿では,STS動作中の両側下肢に対するインテリジェントモデル自由適応バックステッピング戦略を提案する。
  論文  参考訳（メタデータ） (2026-06-20T13:35:47Z)
• Koopman-Based Nonlinear Identification and Adaptive Control of a Turbofan Engine [0.0]
  本論文では,2輪ターボファンエンジンの多変量制御に対するクープマン演算子に基づくアプローチについて検討する。 物理に基づくコンポーネントレベルモデルを開発し、トレーニングデータを生成し、コントローラを検証する。 スプール速度とEPRの2つの制御戦略について,海面および様々な飛行条件下で評価した。
  論文  参考訳（メタデータ） (2026-04-02T07:51:59Z)
• Neural Robust Control on Lie Groups Using Contraction Methods (Extended Version) [3.0395687958102946]
  剛性制御収縮計量(RCCM)と神経フィードバック制御器は、リー群多様体上の収縮条件を強制するために共同で訓練される。 ケーススタディでは,提案したフレームワークを用いて,四重項に対するフィードバックコントローラを設計する。
  論文  参考訳（メタデータ） (2026-04-01T22:47:29Z)
• Safe Whole-Body Loco-Manipulation via Combined Model and Learning-based Control [46.47619556874003]
  そこで本研究では,マニピュレータアームのモデルベースアプタンス制御と足歩行の強化学習ポリシを組み合わせた全身制御を提案する。 アクセタンスコントローラは、物理的相互作用中に人間によって適用されるような外部レンチを、望ましいエンドエフェクタ速度にマッピングし、従順な振る舞いを可能にする。 6-DoFアームと手首に装着した6-DoF Force/Torqueセンサーを備えたUnitree Go2四足歩行ロボットを用いて,シミュレーションとハードウェアの両方におけるアプローチを検証する。
  論文  参考訳（メタデータ） (2026-03-02T22:31:12Z)
• TrajBooster: Boosting Humanoid Whole-Body Manipulation via Trajectory-Centric Learning [79.59753528758361]
  両足のVLAを促進するために、豊富な車輪付きヒューマノイドデータを活用するクロス・エボディメント・フレームワークであるTrajBoosterを提案する。 私たちのキーとなる考え方は、形態素に依存しないインターフェースとして、エンドエフェクタ・トラジェクトリを使用することです。 以上の結果から,TrajBoosterは既存の車輪付きヒューマノイドデータにより,二足歩行ヒューマノイドVLAの性能を効率的に向上させることができることがわかった。
  論文  参考訳（メタデータ） (2025-09-15T12:25:39Z)
• Reinforcement Learning for Robust Parameterized Locomotion Control of Bipedal Robots [121.42930679076574]
  シミュレーションにおけるロコモーションポリシをトレーニングするためのモデルフリー強化学習フレームワークを提案する。 ドメインランダム化は、システムダイナミクスのバリエーションにまたがる堅牢な振る舞いを学ぶためのポリシーを奨励するために使用されます。 本研究では、目標歩行速度、歩行高さ、旋回ヨーなどの多目的歩行行動について示す。
  論文  参考訳（メタデータ） (2021-03-26T07:14:01Z)
• Learning a Contact-Adaptive Controller for Robust, Efficient Legged Locomotion [95.1825179206694]
  四足歩行ロボットのためのロバストコントローラを合成するフレームワークを提案する。 高レベルコントローラは、環境の変化に応じてプリミティブのセットを選択することを学習する。 確立された制御方法を使用してプリミティブを堅牢に実行する低レベルコントローラ。
  論文  参考訳（メタデータ） (2020-09-21T16:49:26Z)

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。