論文の概要: End-to-End Reinforcement Learning for Quadrupedal Jumping in Lunar Gravity

• arxiv url: http://arxiv.org/abs/2610.29586v1
• Date: Wed, 21 Oct 2026 11:27:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-23 09:50:43.247948
• Title: End-to-End Reinforcement Learning for Quadrupedal Jumping in Lunar Gravity
• Title（参考訳）: 四足跳躍における極端から端への強化学習
• Abstract要約: 脚のついたロボットは、惑星探査を従来の探査機には近づかない、岩だらけで不連続な地形にまで拡張することができる。 月面重力下でのポイント・ツー・ポイント・ジャンプのための単一エンドツーエンド制御ポリシを生成する多段階強化学習手法を提案する。
• 参考スコア（独自算出の注目度）: 6.422846665506061
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Legged robots can extend planetary exploration to rugged and discontinuous terrain that is inaccessible to conventional rovers. In lunar gravity, jumping further expands this mobility by enabling robots to cross obstacles and gaps that cannot be traversed by walking alone. We present a multistage reinforcement-learning approach that produces a single end-to-end control policy for commanded point-to-point jumping under lunar gravity. The resulting policy has a simple architecture and relies exclusively on mission-compatible onboard sensing, making its deployment on a real lunar mission plausible. In simulation, the learned policy performs accurate point-to-point jumps with landing errors smaller than the robot's body size. We analyze the torque and power demands of lunar jumping and characterize performance degradation under extreme outlier events, including control-update freezes of up to \SI{1}{s} during flight. Hardware transfer demonstrates that the policy can successfully execute a vertical jump under lunar-gravity offloading. Furthermore, the measured torque and power profiles are consistent with the simulation results and remain within the robot's hardware limits.
• Abstract（参考訳）: 脚のついたロボットは、惑星探査を従来の探査機には近づかない、岩だらけで不連続な地形にまで拡張することができる。 月の重力では、ジャンプはロボットが単独で歩けない障害物や隙間を横切ることを可能にすることで、このモビリティをさらに拡大する。 月面重力下でのポイント・ツー・ポイント・ジャンプのための単一エンドツーエンド制御ポリシを生成する多段階強化学習手法を提案する。 結果として得られたポリシーは単純なアーキテクチャであり、ミッション互換のオンボードセンシングにのみ依存しており、実際の月面ミッションへの展開が可能である。 シミュレーションでは、学習したポリシーは、ロボットの体の大きさよりも小さな着陸誤差で正確なポイント・ツー・ポイントジャンプを実行する。 本研究は, 飛行中における最大SI{1}{s}の制御更新凍結を含む, 極端外乱イベントにおける月面跳躍のトルクとパワー要求を解析し, 性能劣化を特徴づけるものである。 ハードウェア・トランスファーは、月面重力のオフロードの下で垂直ジャンプを成功させることができることを示した。 さらに、測定されたトルクとパワープロファイルはシミュレーション結果と一致しており、ロボットのハードウェア限界内に留まっている。

関連論文リスト

• Toward Lunar Legged Robots: Field Deployment Lessons at LUNA [6.399721893880407]
  本稿は2025年のLUNAアナログキャンペーンで、四足歩行ロボットが緩やかなリゴリスシミュレーションとクレーターのような地形を横断したことを報告する。 四足歩行ロボットはリゴリスシミュレーションを横切ることができるが,その性能は沈み込みやすべり,塵の発生する接触,過剰露光,影,低テクスチャ領域による知覚障害の影響を受けている。
  論文  参考訳（メタデータ） (2026-10-08T16:37:09Z)
• Resilient Motion Planning for Free-Flying Space Robots under Actuator Failures [7.766876599536818]
  自由飛行ロボットは、複数のスラスタを使って宇宙を飛行する。もし1つ以上のスラスタが失敗したら、ロボットは制御権限を失い、ミッション失敗のリスクを負う可能性がある。 本稿では,宇宙におけるアクチュエータの故障を明示的に考慮した確率的,積極的,運動計画フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-09-17T13:54:15Z)
• Mind Your Steps: A General Learning Framework for Accurate Humanoid Foothold Tracking [78.30338456206984]
  本稿では,汎用3D足場追跡ポリシーをトレーニングするための新しいフレームワークを提案する。 本手法は, 目標検層による足場支援を動的に行うことにより, 学習方針を特定の地形に依存しないものにする。 我々の新しいターゲット表現は、雑音や不正確なポーズ推定や足の接触推定といった現実の課題を効果的に緩和する。
  論文  参考訳（メタデータ） (2026-06-06T16:44:56Z)
• Dual-Horizon Hybrid Internal Model for Low-Gravity Quadrupedal Jumping with Hardware-in-the-Loop Validation [16.040489668135297]
  この研究は、月の重力下での連続四重跳躍のためのデュアル・水平ハイブリッド内部モデルを示す。 そこで我々は,プルリーカウンタウェイト機構によって重力をオフロードするデジタルツイン駆動システムであるMATRIXプラットフォームを開発した。 本研究では,クレーター状地形を横断する月面重力エミュレーションにより,四足歩行ロボットの連続的なジャンプを実演する。
  論文  参考訳（メタデータ） (2026-03-09T06:03:56Z)
• 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)
• RobotDancing: Residual-Action Reinforcement Learning Enables Robust Long-Horizon Humanoid Motion Tracking [50.200035833530876]
  RobotDancingはシンプルでスケーラブルなフレームワークで、残留する関節の目標を予測して、ダイナミックスの不一致を明示的に修正する。 複数分間の高エネルギー動作(ジャンプ、スピン、カートホイール)をトラッキングし、高いモーショントラッキング品質のハードウェアにゼロショットをデプロイする。
  論文  参考訳（メタデータ） (2025-09-25T03:30:34Z)
• Olympus: A Jumping Quadruped for Planetary Exploration Utilizing Reinforcement Learning for In-Flight Attitude Control [9.771798181062822]
  本稿では,火星の重力に合わせた跳躍脚ロボットOlympusの設計,シミュレーション,学習に基づく姿勢制御について述べる。
  論文  参考訳（メタデータ） (2025-03-05T15:01:56Z)
• Robust and Versatile Bipedal Jumping Control through Reinforcement Learning [141.56016556936865]
  この研究は、トルク制御された二足歩行ロボットが実世界で頑丈で多目的なダイナミックジャンプを行えるようにすることで、二足歩行ロボットの機敏さの限界を推し進めることを目的としている。 本稿では,ロボットが様々な場所や方向へジャンプするなど,さまざまなジャンプタスクを達成するための強化学習フレームワークを提案する。 我々は,ロボットの長期入出力(I/O)履歴を符号化し,短期I/O履歴への直接アクセスを可能にする新しいポリシー構造を開発する。
  論文  参考訳（メタデータ） (2023-02-19T01:06:09Z)
• 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)
• Imitation Learning for Autonomous Trajectory Learning of Robot Arms in Space [13.64392246529041]
  実演や模倣学習によるプログラミングの概念は、小型宇宙船に搭載されたマニピュレータの軌道計画に使用される。 7自由度(DoF)を持つロボットアームは、将来の宇宙ミッションにおける自律性の向上と地上制御による人間の介入の最小化のために、デブリ除去、軌道上サービス、組み立てといった複数のタスクを実行するために構想されている。
  論文  参考訳（メタデータ） (2020-08-10T10:18:04Z)

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。