論文の概要: Whole-Body Motion Guided Reference Generation for Uncertainty-Aware Compliant Assistance

• arxiv url: http://arxiv.org/abs/2610.31302v1
• Date: Thu, 22 Oct 2026 14:01:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-24 02:08:44.395103
• Title: Whole-Body Motion Guided Reference Generation for Uncertainty-Aware Compliant Assistance
• Title（参考訳）: 不確実性を考慮したコンプライアンス支援のための全体動作ガイドによる参照生成
• Abstract要約: 可変アプタンス制御を用いたマルチモーダルエクソスケルトン軌道生成のためのデュアルループアシスト戦略を提案する。 3段階のトレーニングパイプラインを導入し、ヒトのモーションエンコーダ、エキソスケルトンプロピオセプションエンコーダ、およびトラジェクターを段階的に最適化する。 実験により,本手法は標準ベースラインに比べて筋活動量を大幅に減少させることが示された。
• 参考スコア（独自算出の注目度）: 6.767006086003158
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Exoskeletons have shown great potential for augmenting human physical capabilities, yet generating reliable assistance remains challenging because human motion patterns and interaction requirements vary substantially in practice. To address this problem, a dual-loop assistance strategy is proposed to couple multimodal exoskeleton trajectory generation with variable admittance control, where trajectory variance links the outer-loop generator and the inner-loop controller. The generator synthesizes future exoskeleton trajectories through denoising, primarily using whole-body human motion and exoskeleton proprioception, with task descriptions as auxiliary semantic cues. To reduce cross-modal representation mismatch, a three-stage training pipeline is introduced to progressively optimize the human motion encoder, the exoskeleton proprioception encoder, and the trajectory generator. In the inner loop, multiple future trajectories are sampled from the generator to estimate the trajectory mean and variance. The mean is used as the control reference, while the variance provides an uncertainty measure for prediction reliability. This measure is further incorporated into a stiffness regulation law, enabling compliant assistance with input-to-state stability under bounded lumped interaction input. Experimental results demonstrate that the proposed method significantly reduces muscle activation levels compared with standard baselines, while also decreasing users' metabolic energy expenditure relative to the unassisted condition.
• Abstract（参考訳）: 外骨格は人間の身体能力を増強する大きな可能性を示してきたが、人間の動作パターンと相互作用の要求が実際にかなり異なるため、信頼できる補助を生成することは依然として困難である。 この問題を解決するために,マルチモーダルなエクソスケルトン軌道生成と可変アクセタンス制御を併用するデュアルループアシスト手法を提案する。 ジェネレータは、主に全身の人の動きと外骨格の受容を用いて、将来の外骨格の軌跡を、補助的な意味的手がかりとしてタスク記述を合成する。 クロスモーダル表現ミスマッチを低減するため、ヒトモーションエンコーダ、エキソスケルトンプロピオセプションエンコーダ、およびトラジェクタジェネレータを段階的に最適化する3段階トレーニングパイプラインを導入する。 内ループでは、ジェネレータから複数の将来の軌跡をサンプリングし、軌跡平均と分散を推定する。 平均は制御基準として使用され、分散は予測信頼性に対する不確実性尺度を提供する。 この措置は、さらに剛性規制法に組み込まれ、有界な結合相互作用入力下での入力-状態安定性への適合的な補助を可能にする。 実験の結果,提案手法は標準ベースラインに比べて筋活動量を大幅に減少させるとともに,非アシスト状態に対する使用者の代謝エネルギー消費を減少させることがわかった。

関連論文リスト

• Ensuring Interaction Safety in Multitask Exoskeleton Control: A Simulation-Trained Variable Impedance Framework [5.592784942576522]
  提案フレームワークは,標準ベースライン法と組み合わせた実世界のシナリオにおけるメタボリックコストを低減する。 これらの結果は,安全なマルチタスク・エキソ骨格制御のためのフレームワークの実現可能性を示している。
  論文  参考訳（メタデータ） (2026-06-04T16:37:01Z)
• Heracles: Bridging Precise Tracking and Generative Synthesis for General Humanoid Control [35.756113194514974]
  現在の一般的な制御装置は、厳格な基準追従問題としてモーションコントロールを定式化している。 ヘラクレスは、正確な運動追跡と生成合成を橋渡しする新しい状態条件拡散である。 本フレームワークは, 生成前兆を制御ループに組み込むことで, 極端な摂動に対するロバスト性を大幅に向上させることを示す。
  論文  参考訳（メタデータ） (2026-03-29T16:21:01Z)
• ULTRA: Unified Multimodal Control for Autonomous Humanoid Whole-Body Loco-Manipulation [55.467742403416175]
  本稿では,大規模モーションキャプチャをヒューマノイドに変換する物理駆動型ニューラルネットワークを提案する。 我々は高密度参照とスパースタスク仕様の両方をサポートする統合マルチモーダルコントローラを学習する。 その結果,ULTRAは自我中心の知覚から,自律的,目標条件付き全体ロコ操作に一般化することが示された。
  論文  参考訳（メタデータ） (2026-03-03T18:59:29Z)
• KoopGen: Koopman Generator Networks for Representing and Predicting Dynamical Systems with Continuous Spectra [65.11254608352982]
  生成元をベースとしたニューラル・クープマン・フレームワークを導入し,構造的かつ状態に依存したクープマン・ジェネレータの表現を通じて動的にモデル化する。 固有のカルテス分解をスキュー結合および自己結合成分に利用することにより、KoopGenは可逆的な散逸から保守的な輸送を分離する。
  論文  参考訳（メタデータ） (2026-02-15T06:32:23Z)
• Drift No More? Context Equilibria in Multi-Turn LLM Interactions [58.69551510148673]
  コンテキストドリフト(Contexts drift)とは、ターン間のゴール一貫性のある振る舞いからモデルが出力する出力の段階的なばらつきである。 シングルターンエラーとは異なり、ドリフトは時間的に展開し、静的な評価指標では捉えにくい。 マルチターンドリフトは、避けられない崩壊というよりも、制御可能な平衡現象として理解できることを示す。
  論文  参考訳（メタデータ） (2025-10-09T04:48:49Z)
• Deep-Learning Control of Lower-Limb Exoskeletons via simplified Therapist Input [0.0]
  部分補助性外骨格は歩行回復に有意な可能性を秘めている。 外骨格における相互作用トルクの制御は階層的な制御構造に依存している。 この研究は、外骨格における階層制御の限界に対処する3段階のデータ駆動型アプローチを提案する。
  論文  参考訳（メタデータ） (2024-12-10T22:52:44Z)
• Neural Interaction Energy for Multi-Agent Trajectory Prediction [55.098754835213995]
  ニューラル・インタラクション・エナジー(MATE)によるマルチエージェント軌道予測(Multi-Agent Trajectory Prediction)というフレームワークを導入する。 MATEは神経相互作用エネルギーを用いてエージェントの対話運動を評価する。 時間的安定性を高めるために,エージェント間相互作用制約とエージェント内動作制約という2つの制約を導入する。
  論文  参考訳（メタデータ） (2024-04-25T12:47:47Z)
• Stochastic Trajectory Prediction via Motion Indeterminacy Diffusion [88.45326906116165]
  運動不確定性拡散(MID)の逆過程として軌道予測タスクを定式化する新しい枠組みを提案する。 我々は,履歴行動情報と社会的相互作用を状態埋め込みとしてエンコードし,トランジトリの時間的依存性を捉えるためにトランスフォーマーに基づく拡散モデルを考案する。 スタンフォード・ドローンやETH/UCYデータセットなど,人間の軌道予測ベンチマーク実験により,本手法の優位性を実証した。
  論文  参考訳（メタデータ） (2022-03-25T16:59:08Z)
• Unsupervised Controllable Generation with Self-Training [90.04287577605723]
  GANによる制御可能な世代は依然として困難な研究課題である。 本稿では,自己学習を通じてジェネレータを制御する潜伏符号の分布を学習するための教師なしフレームワークを提案する。 我々のフレームワークは、変分オートエンコーダのような他の変種と比較して、より良い絡み合いを示す。
  論文  参考訳（メタデータ） (2020-07-17T21:50:35Z)

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。