論文の概要: SkateNav: Learning Energy-Efficient Navigation through Adaptive Skating on Passive-Wheel Quadrupedal Robots
- arxiv url: http://arxiv.org/abs/2610.25962v1
- Date: Mon, 19 Oct 2026 07:55:46 GMT
- ステータス: 情報取得中
- システム内更新日: 2026-10-20 22:20:05.255205
- Title: SkateNav: Learning Energy-Efficient Navigation through Adaptive Skating on Passive-Wheel Quadrupedal Robots
- Title（参考訳）: SkateNav:受動的四足歩行ロボットによる適応型スケートによるエネルギー効率の高いナビゲーション学習
- Abstract要約: SkateNavは強化学習に基づく統合スケートナビゲーションフレームワークである。
時間予算の目標達成の目的は、政策が共同でステアリング、推進、時間割当を学習できるようにすることである。
実験では、評価されたプランナー・コントロールラーベースラインよりも平均成功率と輸送コストが高かった。
- 参考スコア（独自算出の注目度）: 19.09611131793608
- License:
- Abstract: Passive-wheel quadrupedal robots offer energy-efficient locomotion through leg-driven propulsion and momentum-driven gliding. However, navigation requires coordinating steering with intermittent propulsion and adapting push-glide timing to task demands. Velocity-tracking objectives may suppress the speed variations inherent in skating, discouraging efficient gliding. To address these challenges, we propose SkateNav, a unified skating-navigation framework based on reinforcement learning. A time-budgeted goal-reaching objective allows the policy to jointly learn steering, propulsion, and their temporal allocation. An adaptive skating cycle structures gliding, pushing, and recovery, while frequency modulation at every control step adjusts phase durations to navigation demands. Simulation experiments demonstrate higher average success rates and lower cost of transport than the evaluated planner-controller baselines, with ablations confirming the contributions of cycle structure and frequency adaptation. Real-world experiments demonstrate zero-shot transfer from simulation to a passive-wheel Mini Cheetah across cluttered indoor spaces, slopes, and paved outdoor surfaces. Supplementary videos are available on the project page: https://ktw1404.github.io/SkateNav/
- Abstract（参考訳）: パッシブホイール四足歩行ロボットは、脚駆動の推進と運動量駆動の滑走によるエネルギー効率の高い移動を提供する。
しかし、ナビゲーションでは、間欠的な推進による操舵を調整し、タスク要求にプッシュグライドタイミングを適用する必要がある。
速度追跡の目的は、スケート固有の速度変化を抑制し、効率的な滑走を防ぐことができる。
これらの課題に対処するために,強化学習に基づく統合スケートナビゲーションフレームワークSkateNavを提案する。
時間予算の目標達成の目的は、政策が共同でステアリング、推進、時間割当を学習できるようにすることである。
適応スケートサイクル構造はグライディング、プッシュ、リカバリであり、各制御ステップにおける周波数変調は、ナビゲーション要求に応じて位相長を調整する。
シミュレーション実験により、評価されたプランナー・コントローラベースラインよりも平均成功率と輸送コストが向上し、サイクル構造と周波数適応の寄与が確認された。
実世界の実験では、シミュレーションから、乱雑な屋内空間、斜面、舗装された屋外の表面を横断する受動輪のミニチーターへのゼロショット転送が実証されている。
追加ビデオはプロジェクトのページで公開されている。
関連論文リスト
- AutoPath: Learning Transferable Goal-Conditioned Stochastic Path Prior for Safe Navigation Without Human Demonstrations [103.61864552260316]
動的環境におけるリアルタイムナビゲーションは、限られた知覚下での衝突のない、動的に実現可能な動きを必要とする。
我々は,移動可能な目標整合経路の学習としてナビゲーションを定式化し,局所的な観測に基づいて,目標整合な局所経路上の再利用可能な分布をモデル化する。
我々は、幾何対応の極性行動多様体を用いて局所経路をパラメータ化し、安定かつ安全対応の計画のためのマルチゴール分散ロールアウトによるリスク感応性ユーティリティシェーピングを含む構造化された事前学習フレームワークを開発した。
論文 参考訳（メタデータ） (2026-07-13T16:00:41Z) - Reinforcement Learning-Based Control for an Inline Skating Humanoid Robot [10.006591553493807]
我々は,従来の足の代わりにインラインスケートを装備するように改造されたヒューマノイドロボットの新たな移動戦略を実現するための強化学習制御ポリシを訓練し,展開する。
私たちのスケート戦略は、人間のモーションデータ、模倣学習、またはキネマティック先行に頼らずに、報酬構造から完全に現れます。
我々の政策は、通常の歩行歩行よりも輸送コストが50%削減されることを実証している。
論文 参考訳（メタデータ） (2026-06-30T15:25:06Z) - WaveForward: An Omnidirectional Passive Wheeled Quadruped Robot with Casters [7.753040656802682]
車輪付き脚ロボットは、複雑な地形を横断するアジャイルモビリティと高い効率の両方を持ち、長距離輸送用途に適している。
そこで本研究では,両脚に標準キャスターを装着し,全方向移動を実現する新しい,低コストな受動脚型ロボットを提案する。
論文 参考訳（メタデータ） (2026-06-24T01:59:51Z) - GuideWalk: Learning Unified Autonomous Navigation and Locomotion for Humanoid Robots across Versatile Terrains [10.258225375602231]
本稿では,移動性を考慮したナビゲーション指導と地形適応型移動指導とを統合したエンドツーエンド・フレームワークを提案する。
そこで本研究では,目標指向型コマンドと動的に一貫した動作を集約し,単一のポリシに蒸留する,複合型教員蒸留方式を提案する。
GuideWalkは、安定なヒューマノイド移動を維持しながら、安定かつ効果的なナビゲーションを実現する。
論文 参考訳（メタデータ） (2026-06-09T05:55:36Z) - Dynamic Modeling and Attitude Control of a Reaction-Wheel-Based Low-Gravity Bipedal Hopper [0.0]
ホッピング・ロコモーションは エネルギー効率が高いが 飛行中の姿勢不安定になりやすい
本稿では,内輪を用いた不動二足歩行ロボットによる姿勢制御について述べる。
提案手法は,月の重力条件下でのMuJoCoシミュレーションで評価される。
論文 参考訳（メタデータ） (2026-03-11T11:35:21Z) - HUSKY: Humanoid Skateboarding System via Physics-Aware Whole-Body Control [67.58927286226925]
本稿では,ヒューマノイド・スケータボードシステムモデリングと物理を意識した全身制御を統合した学習ベースのフレームワークを提案する。
Unitree G1のヒューマノイドプラットフォームでの実験では、現実のシナリオにおいて、私たちのフレームワークがスケートボード上で安定的でアジャイルな操作を可能にすることが示されています。
論文 参考訳（メタデータ） (2026-02-03T07:18:01Z) - Learning Robust Autonomous Navigation and Locomotion for Wheeled-Legged Robots [50.02055068660255]
都市環境のナビゲーションは、ロボットにとってユニークな課題であり、移動とナビゲーションのための革新的なソリューションを必要としている。
本研究は, 適応移動制御, 移動対応ローカルナビゲーション計画, 市内の大規模経路計画を含む, 完全に統合されたシステムを導入する。
モデルフリー強化学習(RL)技術と特権学習を用いて,多目的移動制御系を開発した。
私たちのコントローラーは大規模な都市航法システムに統合され、スイスのチューリッヒとスペインのセビリアで自律的、キロメートル規模の航法ミッションによって検証されます。
論文 参考訳（メタデータ） (2024-05-03T00:29:20Z) - Motion Planning and Control for Multi Vehicle Autonomous Racing at High
Speeds [100.61456258283245]
本稿では,自律走行のための多層移動計画と制御アーキテクチャを提案する。
提案手法はダララのAV-21レースカーに適用され、楕円形のレーストラックで25$m/s2$まで加速試験された。
論文 参考訳（メタデータ） (2022-07-22T15:16:54Z) - Coupling Vision and Proprioception for Navigation of Legged Robots [65.59559699815512]
我々は視覚と受容の相補的な強みを利用して、脚のあるロボットでポイントゴールナビゲーションを実現する。
車輪付きロボット(LoCoBot)のベースラインよりも優れた性能を示す。
また,センサーと計算能力を備えた四足歩行ロボットに,我々のシステムを実環境に展開することも示す。
論文 参考訳（メタデータ） (2021-12-03T18:59:59Z) - ReLMoGen: Leveraging Motion Generation in Reinforcement Learning for
Mobile Manipulation [99.2543521972137]
ReLMoGenは、サブゴールを予測するための学習されたポリシーと、これらのサブゴールに到達するために必要な動作を計画し実行するためのモーションジェネレータを組み合わせたフレームワークである。
本手法は,フォトリアリスティック・シミュレーション環境における7つのロボットタスクの多種多様なセットをベンチマークする。
ReLMoGenは、テスト時に異なるモーションジェネレータ間で顕著な転送可能性を示し、実際のロボットに転送する大きな可能性を示している。
論文 参考訳（メタデータ） (2020-08-18T08:05:15Z)
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。