論文の概要: Anticipatory Gait Switching for Quadrupeds via Look-Ahead MDP Planning

• arxiv url: http://arxiv.org/abs/2610.24895v1
• Date: Sat, 17 Oct 2026 22:35:19 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-20 22:39:28.99211
• Title: Anticipatory Gait Switching for Quadrupeds via Look-Ahead MDP Planning
• Title（参考訳）: ルックアヘッドMDP計画による四足歩行予測
• Abstract要約: 本稿では,単一意思決定方針におけるルックアヘッドとロコモーションの制約を統一する軽量なハイトマップオンリー歩行スーパーバイザを提案する。 ユニツリーのGo2プラットフォームでの実験では、遅延スイッチングが減少し、荒地での非効率な歩行の使用時間が短縮され、ロールの安定性が向上した。
• 参考スコア（独自算出の注目度）: 0.509780930114934
• License:
• Abstract: Quadruped robots often switch gaits to traverse mixed terrain safely. Many practical supervisors enforce hardware constraints (e.g., dwell or guard intervals) using a transition handler. However, the switch decision itself is often driven by near-field thresholds, which can delay commitment when rough terrain is only detected shortly before contact in the local height map. We propose a lightweight height-map-only gait supervisor that unifies look-ahead and locomotion constraints in a single decision policy. A robot-centered height map is partitioned into near-, mid-, and far-field bands, each discretized into a terrain class, and band evolution is modeled as a Markov process. Gait selection is cast as a look-ahead Markov Decision Process whose transition model and cost explicitly encode platform-specific switching constraints. Indoor and outdoor experiments on a Unitree Go2 platform show reduced late switching, lower time spent using ineffective gaits on rough terrain, and improved roll stability compared to tuned reactive baselines. Overall, the MDP formulation yields anticipative constraint-aware gait switching that improves robustness without course-specific retuning.
• Abstract（参考訳）: 四足歩行ロボットはしばしば歩行を切り替え、混在する地形を安全に移動させる。 多くの実践的監督者は、トランジションハンドラを使用してハードウェアの制約(例えば、居住時間やガード間隔)を強制する。 しかし、スイッチ決定そのものは近接場閾値によって駆動されることが多く、局所高度マップに接する直前に粗い地形が検出される場合のコミットメントを遅らせることができる。 本稿では,単一意思決定方針におけるルックアヘッドとロコモーションの制約を統一する軽量なハイトマップオンリー歩行スーパーバイザを提案する。 ロボット中心の高さマップは、近距離、中距離、遠距離のバンドに分割され、それぞれが地形クラスに識別され、バンドの進化はマルコフプロセスとしてモデル化される。 歩行選択は、プラットフォーム固有の切替制約を明示的にエンコードした遷移モデルとコストを先読みするマルコフ決定プロセスとしてキャストされる。 Unitree Go2プラットフォームにおける屋内および屋外実験では、遅延スイッチングが減少し、荒地での非効率な歩行の使用時間が短縮され、反応ベースラインの調整よりもロール安定性が向上した。 全体として、MDPの定式化は、コース固有の修正なしに堅牢性を向上させる予測的制約対応歩行切替をもたらす。

関連論文リスト

• CMP-IRRT*: A Perception-Assisted Height-Adaptive Planner for Quadruped Robots [4.812090867682897]
  本稿では,CMP-IRRT*に基づく高度適応計画フレームワークを提案する。 CMP-IRRT*は、古典的およびニューラルネットワークによるベースラインと比較して探索ノードと反復を減少させる。 構築されたトラバーサビリティ対応シナリオでは、低障害物がトラバーサビリティの場合にパス長を最大16.3%削減する。
  論文  参考訳（メタデータ） (2026-10-07T17:33:31Z)
• CTS-MoE: Implicit Terrain Adaptation via Mixture-of-Experts for Perceptive Locomotion [7.001823893068607]
  CTS-MoEは、高密度な熟練アクターと知覚に基づくゲーティングを組み合わせることで、共有行動を構成する。 Unitree Go1のシミュレーションと、見知らぬ地形におけるハードウェアの実験は、トラッキングエラーが低く、モノリシックなベースラインよりも成功率が高い、タスク対応の特殊化を示している。
  論文  参考訳（メタデータ） (2026-06-17T22:25:49Z)
• Bridging Discrete Planning and Continuous Execution for Redundant Robot [12.278986080239692]
  冗長マニピュレータの経路計画にはボクセルグリッド強化学習が広く採用されている。 しかし、7-DoFアーム上の点数逆キネマティクスによる直接実行は、しばしばステップサイズジッタをもたらす。 この研究は、個別の計画立案者自体を変更することなく、離散的な計画と連続的な実行の間にブリッジングフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-04-02T13:23:54Z)
• Bridging Large-Model Reasoning and Real-Time Control via Agentic Fast-Slow Planning [42.15812524999639]
  Agentic Fast-Slow Planning(エージェント・ファスト・スロー・プランニング)は、知覚、推論、計画、そして自然の時間スケールをまたいだ制御を分離する階層的なフレームワークである。 エージェント高速スロープランニングは摂動下での堅牢性を向上し、純粋なMPCおよびA*誘導MPCベースラインと比較して、横方向偏差を最大45%減らし、完了時間を12%以上短縮することを示した。
  論文  参考訳（メタデータ） (2026-04-02T06:34:29Z)
• Direct Contact-Tolerant Motion Planning With Vision Language Models [64.48049143625063]
  乱雑な環境でのナビゲーションは、しばしばロボットが可動または変形可能な物体との接触を許容する必要がある。 本稿では,視覚言語モデル(VLM)を直接的視点認識とナビゲーションに統合したDCTプランナを提案する。 我々はIsaac Simと本物のカーライクなロボットにDCTを実装し、移動障害物のある散らばった環境において、DCTが堅牢で効率的なナビゲーションを実現することを実証した。
  論文  参考訳（メタデータ） (2026-03-05T10:05:00Z)
• 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)
• PGTT: Phase-Guided Terrain Traversal for Perceptive Legged Locomotion [41.99844472131922]
  PGTT ( Phase-Guided Terrain Traversal) は、報酬形成を通じて歩行構造を純粋に強制する認識型ディープRLアプローチである。 MuJoCo(MJX)で、カリキュラムやドメインランダム化を伴う手続き的に生成された階段のような地形で訓練されたPGTTは、プッシュ障害の下で最も成功している。
  論文  参考訳（メタデータ） (2025-10-21T07:00:18Z)
• Coordinate Transformer: Achieving Single-stage Multi-person Mesh Recovery from Videos [91.44553585470688]
  ビデオから複数人の3Dメッシュを回収することは、バーチャルリアリティーや理学療法などにおけるグループ行動の自動認識に向けた重要な第一歩である。 本稿では,複数人物の時空間関係を直接モデル化し,同時にエンドツーエンドでマルチ・メッシュ・リカバリを行うコーディネート・トランスフォーマーを提案する。 3DPWデータセットの実験では、CoordFormerが最先端の精度を大幅に向上し、MPJPE、PAMPJPE、PVEの計測値でそれぞれ4.2%、8.8%、そして4.7%を上回った。
  論文  参考訳（メタデータ） (2023-08-20T18:23:07Z)
• Simultaneous Contact-Rich Grasping and Locomotion via Distributed Optimization Enabling Free-Climbing for Multi-Limbed Robots [60.06216976204385]
  移動, 把握, 接触問題を同時に解くための効率的な運動計画フレームワークを提案する。 ハードウェア実験において提案手法を実証し, より短い計画時間で, 傾斜角45degで自由クライミングを含む様々な動作を実現できることを示す。
  論文  参考訳（メタデータ） (2022-07-04T13:52:10Z)
• VAE-Loco: Versatile Quadruped Locomotion by Learning a Disentangled Gait Representation [78.92147339883137]
  本研究では,特定の歩行を構成する主要姿勢位相を捕捉する潜在空間を学習することにより,制御器のロバスト性を高めることが重要であることを示す。 本研究では,ドライブ信号マップの特定の特性が,歩幅,歩幅,立位などの歩行パラメータに直接関係していることを示す。 生成モデルを使用することで、障害の検出と緩和が容易になり、汎用的で堅牢な計画フレームワークを提供する。
  論文  参考訳（メタデータ） (2022-05-02T19:49:53Z)

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。