論文の概要: RAIWAY: A Large-Wheeled Bipedal Robot with Contact-Informed Blind Locomotion

• arxiv url: http://arxiv.org/abs/2610.33172v1
• Date: Fri, 23 Oct 2026 18:12:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:13.263056
• Title: RAIWAY: A Large-Wheeled Bipedal Robot with Contact-Informed Blind Locomotion
• Title（参考訳）: RAIWAY:コンタクトインフォームド・ブラインド・ロコモーション付き大型二足歩行ロボット
• Abstract要約: 20インチの車輪を備えた内輪二足歩行ロボット「RAIWAY」について紹介する。 提案フレームワークは,マルチコンタクトイベントを潜在表現に蒸留し,シミュレーションで利用可能な接触情報を利用する。 実際の実験では、提案システムは急な斜面、砂利層、傾斜した表面、岩の多い地形を含む多様な環境を横断している。
• 参考スコア（独自算出の注目度）: 7.012745917357418
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present RAIWAY, an in-house wheeled bipedal robot with 20-inch wheels, together with a contact-informed control approach for rolling locomotion across irregular and discontinuous terrain. Such locomotion is fundamentally contact-dominated, governed by local wheel--terrain interaction that is impractical to instrument directly and depends on more than terrain geometry alone. The proposed framework exploits the contact information available in simulation, distilling multi-contact events into a latent representation. At deployment, the controller infers this representation online from proprioception, requiring no contact sensing. In real-world experiments, the proposed system traverses diverse environments including steep slopes, gravel beds, studded surfaces, and rocky terrain, and demonstrates continuous ascent on the tested outdoor staircases with riser heights up to 15~cm. On our platform, the proposed controller further outperforms baselines without the contact-informed mechanism across challenging indoor and outdoor settings. The video can be found at https://youtu.be/Ch0divLg64w.
• Abstract（参考訳）: 本稿では、20インチの車輪を備えた内輪二足歩行ロボットであるRAIWAYと、不規則な地形と不連続な地形を転動するための接触インフォームド制御手法を提案する。 このような移動は基本的に接触が支配され、局所的な車輪-テランの相互作用によって支配される。 提案フレームワークは,マルチコンタクトイベントを潜在表現に蒸留し,シミュレーションで利用可能な接触情報を利用する。 デプロイ時にコントローラは、この表現をプロプレセプションからオンラインに推論し、接触検知を必要としない。 実際の実験では、提案システムは急な斜面、砂利層、傾斜した表面、岩場など多様な環境を横断し、最大15～cmの高さの屋外階段で連続的な上昇を示す。 提案する制御器は, 屋内環境や屋外環境において, 接触インフォームド機構を使わずに, ベースラインのさらなる性能向上を図る。 ビデオはhttps://youtu.be/Ch0divLg64wで見ることができる。

関連論文リスト

• NEXUS: Perceptive Whole-Body Control for Terrain-Adaptive Teleoperation [59.5667378375909]
  全体遠隔操作では、人型ロボットが地形が違っても人間の動作を再現する必要がある。 NEXUSは、人間のモーションコマンドとオンボードの感覚フィードバックを組み合わせた、知覚的な全身制御フレームワークである。
  論文  参考訳（メタデータ） (2026-09-30T05:13:49Z)
• Multi-Terrain Mastery: A Comprehensive Controller for Bipedal Locomotion [0.0]
  両足歩行の汎用性とロバスト性を高めるための多段制御器を提案する。 本論文は, 傾斜面および粗面の安定性向上を目的とした姿勢足関節モータを用いた以前の研究に基づいて構築した。 未確認の地形に対する性能とロバスト性を維持するのに不可欠な新しいインパクトマップを導入する。
  論文  参考訳（メタデータ） (2026-09-27T03:49:58Z)
• EVPeriscope: Extended Perception across Aerial and Ground Vehicles with Event-based Propeller Tracking [20.43225691472079]
  本稿では,地上ロボット上で上向きのイベントカメラを用いて,四角形物体の検出,位置決め,制御を行うイベントベース認識システムを提案する。 本システムは,地上ロボットのセンサが隠蔽されている密集した葉を通して,局所化と閉ループナビゲーションをサポートする。
  論文  参考訳（メタデータ） (2026-09-10T17:58:03Z)
• MILD: Tractable Terrain Modeling for Learning Improved Bipedal Locomotion on Deformable Surfaces [27.312811759047023]
  物理地上の離散要素接触解法を特徴とするMILDについて述べる。 我々は、深い強化学習を通して地形認識コントローラを訓練する。 本システムでは,様々な表面硬さのオンライン識別と適応性を実証する。
  論文  参考訳（メタデータ） (2026-08-20T12:24:34Z)
• PanoVine: Whole-Body Visuomotor Control for Soft Growing Vine Robot [13.24559047358722]
  Vineロボットは、適合した体と自己支援型成長機構のために、複雑で制限された環境をナビゲートするのに適している。 自動ブドウ栽培ロボットシステムのための,データ駆動型視覚制御フレームワークを提案する。 複雑な環境でのクローズドループ自律制御の実証からエンド・ツー・エンドのビジュモータポリシーを訓練する。
  論文  参考訳（メタデータ） (2026-06-22T07:02:19Z)
• Walking on Rough Terrain with Any Number of Legs [3.7275258486549916]
  本研究では,2本の足に3つのアクチュエータを備えたセグメント型ロボットを用いて,荒地に対する多脚制御アーキテクチャを提案する。 私たちの設計は、WalkNetのようなイベントカスケードコントローラとCPGベースのコントローラのギャップを埋めるものです。
  論文  参考訳（メタデータ） (2026-03-10T03:37:44Z)
• RPL: Learning Robust Humanoid Perceptive Locomotion on Challenging Terrains [53.674116167774095]
  本研究では,挑戦的な地形上での多方向移動を可能にする2段階トレーニングフレームワークを提案する。 RPLは、高度マップの観察を特権化した専門家のポリシーを訓練し、分離された移動と操作のスキルを習得する。 次に、複数の深度カメラを活用して広い視野をカバーできるトランスフォーマーポリシーを作成します。 スケーラブルな深度蒸留のために、動的ロボットメッシュと静的な地形メッシュの両方に対してレイキャストを行う効率的なマルチ深度システムを開発した。
  論文  参考訳（メタデータ） (2026-02-03T02:17:08Z)
• 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)
• 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)
• Learning Perceptual Locomotion on Uneven Terrains using Sparse Visual Observations [75.60524561611008]
  この研究は、人中心の環境において、よく見られるバンプ、ランプ、階段の広い範囲にわたる知覚的移動を達成するために、スパースな視覚的観察の使用を活用することを目的としている。 まず、関心の均一な面を表すことのできる最小限の視覚入力を定式化し、このような外受容的・固有受容的データを統合した学習フレームワークを提案する。 本研究では, 平地を全方向歩行し, 障害物のある地形を前方移動させるタスクにおいて, 学習方針を検証し, 高い成功率を示す。
  論文  参考訳（メタデータ） (2021-09-28T20:25:10Z)
• COCOI: Contact-aware Online Context Inference for Generalizable Non-planar Pushing [87.7257446869134]
  一般的なコンタクトリッチな操作問題は、ロボット工学における長年の課題である。 深層強化学習は、ロボット操作タスクの解決に大きな可能性を示している。 動的プロパティのコンテキスト埋め込みをオンラインにエンコードする深層RL法であるCOCOIを提案する。
  論文  参考訳（メタデータ） (2020-11-23T08:20:21Z)

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。