論文の概要: Joint-Health-Aware Reinforcement Learning for Robust Robot Control Under Actuator Degradation
- arxiv url: http://arxiv.org/abs/2610.41348v1
- Date: Fri, 30 Oct 2026 07:05:58 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-02 22:05:31.63789
- Title: Joint-Health-Aware Reinforcement Learning for Robust Robot Control Under Actuator Degradation
- Title（参考訳）: アクチュエータ劣化下でのロバストロボット制御のための協調型ヘルス・アウェア強化学習
- Abstract要約: 人工アクチュエータ劣化下でのロバストなロボット制御のための協調型ヘルス・アウェア強化学習フレームワークを提案する。
本フレームワークは,連続的な関節・健康ベクトルのアクチュエータ条件を符号化し,実行動作の乗算減衰として劣化をモデル化する。
専用のHealthNet推定器は、最近の観察と行動から、関節ごとの健康を推定し、健康な関節と劣化した関節をまたいでコントロールの努力を再分配する。
- 参考スコア（独自算出の注目度）: 2.252028981207954
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Robots deployed in unstructured environments are susceptible to actuator-authority degradation, which reduces the effective control authority of individual actuators and can cause reinforcement learning policies trained under nominal dynamics to fail. Existing robustness approaches rely on discrete fault labels, broad domain randomization, or global latent variables, often without explicitly modeling continuous per-joint residual actuation capability. We propose a joint-health-aware reinforcement learning framework for robust robot control under simulated actuator degradation. Our framework encodes actuator condition in a continuous joint-health vector and models degradation as multiplicative attenuation of executed actions. A dedicated HealthNet estimator infers per-joint health from recent observations and actions, allowing the policy to redistribute control effort across healthy and degraded joints. We evaluate the method on Walker, Go2, Cassie, and Panda-based ManiSkill manipulation tasks under diverse degradation masks and severity levels. The method outperforms nominal and degradation-trained no-health baselines on the main evaluated metrics. Relative to the nominal baseline, task-level locomotion returns improve by up to 250.1\% and manipulation success rates by up to 15.2 percentage points; in the high-degradation Cassie group, return increases from 3.94 to 40.50 (+928.0\%). Ablations support the contribution of per-joint health estimation, action-degradation modeling, and health-conditioned control.
- Abstract（参考訳）: 非構造環境に配備されたロボットは、アクチュエーター-オーソリティ劣化の影響を受けやすいため、個々のアクチュエーターの効果的な制御権限が低下し、名目力学の下で訓練された強化学習ポリシーが失敗する可能性がある。
既存のロバストネスアプローチは、離散的なフォールトラベル、広い領域のランダム化、大域的な潜伏変数に依存しており、しばしば連続した結合ごとの残差運動能力を明示的にモデル化しない。
人工アクチュエータ劣化下でのロバストなロボット制御のための協調型ヘルス・アウェア強化学習フレームワークを提案する。
本フレームワークは,連続的な関節・健康ベクトルのアクチュエータ条件を符号化し,実行動作の乗算減衰として劣化をモデル化する。
専用のHealthNet推定器は、最近の観察と行動から、関節ごとの健康を推定し、健康な関節と劣化した関節をまたいでコントロールの努力を再分配する。
種々の劣化マスクと重度条件下でのWalker, Go2, Cassie, およびPandaをベースとしたManiSkill操作タスクの評価を行った。
本手法は, 評価基準値に基づいて, 名目上および劣化訓練された非健康基準値より優れていた。
名目ベースラインとは対照的に、タスクレベルのロコモーションリターンは最大250.1\%改善し、成功率を最大15.2%向上させ、高分解能カッシーグループではリターンは3.94から40.50(+928.0\%)に上昇する。
アブレーションは、加入者ごとの健康評価、行動劣化モデル、健康管理の貢献を支持する。
関連論文リスト
- A Human-in-the-Loop Comparison of Proportional Control and Adaptive Gravity Compensation in Elbow EMG-Driven Exoskeletons [0.0]
上肢のエキソ骨格は比例的な筋電制御(PMC)に依存しており、これはユーザーの努力を増幅するが、高い援助レベルで安定性を損なう可能性がある。
筋電図による適応重力補償(AGC)は、神経筋活動に継続的に適応しながら、重力トルクを逆バランシングする有望な代替手段を提供する。
本研究では,異なる支援レベルにおける2つのPMC戦略,純粋に積分されたAGC(AGC-PI),キネマティクスとアクセラレーションを考慮したAGC(AGC-AW),再帰的最小方形(AGC)に基づく新しいMBAGCアプローチの5つの制御アルゴリズムを評価する。
論文 参考訳（メタデータ） (2026-10-19T14:05:45Z) - A Flow-Theoretic Multimodal Control Framework Fusing Mental and Physical Engagement for Upper-Limb Rehabilitation [2.881429486711349]
脳波に基づく心的エンゲージメントとsEMGに基づく身体的エンゲージメントを融合させ,フロー理論によるマルチモーダルAANフレームワークを提案する。
4クワッドラントのファジィ判定エンジンは、これらの2つの生理的指標を連続的な制御ポリシーに変換する。
論文 参考訳（メタデータ） (2026-10-15T09:36:19Z) - A Reinforcement Learning Framework for Safety-Aware Haptic Shared Control in Surgical Robotics [15.142587390636843]
手術ロボットにおけるハプティック共用制御は、共用エンドエフェクタにおける人間側とロボット側の力を組み合わせたものである。
幾何的安全性の選択がタスクの実行と力の調整に与える影響は未だ不明である。
集中学習と分散実行下での2エージェント協調マルコフゲームとしてインタラクションをモデル化する。
論文 参考訳（メタデータ） (2026-10-11T07:53:26Z) - SEABench: Benchmarking Endogenous Misalignment In Self-Evolving Agents [49.54988737892722]
自己進化型LDMエージェントは、ハーネスを変更することで、デプロイ後に改善する能力で有名になった。
SEABenchは、エージェントの自己進化から生じる内因性不整合を研究するためのベンチマークである。
自己進化はタスク完了率を高めるが、安全上の失敗の犠牲になることが多い。
論文 参考訳（メタデータ） (2026-09-28T16:46:25Z) - MSK-Bench: Benchmarking Full-Body Musculoskeletal Motor Control Across Tasks, Control Paradigms, and Physiological Metrics [39.71088139993987]
我々は、22のフルボディモーター制御タスクを3つの段階に分けたベンチマークであるMSK-Benchを紹介した。
MSK-Benchは、報酬ベースRL、エージェント報酬チューニング、潜在アクションRL、模倣優先制御、模倣前よりも残留適応を含む5つの代表的な制御パラダイムを評価している。
論文 参考訳（メタデータ） (2026-09-22T17:52:19Z) - Taming CoT Obfuscation in VLMs: From Mechanistic Evidence to Activation Enforcement [74.92755267784983]
強化学習は、視覚言語モデルにおける推論を改善するが、チェーン・オブ・オファシケーションを誘発することができる。
本稿では, 行動フィードバックとテンプレート関連アクティベーションの標的抑制を組み合わせ, メカニスティック・エンハンスメント(TAME)を用いた標的的アンチ・オブファシケーションを提案する。
VIRL-39k、SPA-VL、および2つのモデルファミリの中で、TAMEはグループ相対政策最適化よりも最大30.9および16.7%のCoT監視性を改善している。
論文 参考訳（メタデータ） (2026-09-21T08:08:56Z) - IADD-TR: Intervention-Aware Dynamics Decoupling with Targeted Regularization for Model-Based Reinforcement Learning [57.16513298507272]
IADD-TRは、IADD(Intervention-Aware Dynamics Decoupling)とTR(Targeted Regularization)を組み合わせた統合フレームワークである。
IADDは、ゼロアクションアンカーを用いて、アクション干渉段階とアクションフリー自然進化段階への遷移を分解し、堅牢な一般化のためにこの2段階の分解の非特異性を解決する。
政策学習においては,リプレイ状態の政策段階関数の効率的な影響関数からTRを導出する。
論文 参考訳（メタデータ） (2026-08-11T08:20:02Z) - Activation Steering Induces Emergent Misalignment: A More Comprehensive Evaluation [74.17379276939599]
近年のQwen-3.5シリーズにおいても,アクティベーションステアリングが広範囲のアライメントを引き起こすことが示されている。
ステアリングサイズ, ステアリングサブスペースの低ランク構造, ステアリングベクター構築時のエポック数など, キーステアリング固有の因子を解析することにより, AS誘起EMの特性を特徴づける。
論文 参考訳（メタデータ） (2026-06-07T15:34:59Z) - Force-Aware Residual DAgger via Trajectory Editing for Precision Insertion with Impedance Control [7.670131142516991]
TER-DAggerは、コンタクトリッチな操作のための力覚的模倣学習フレームワークである。
実験により、TER-DAggerは行動クローニング、ヒト誘導補正、リトレーニング、微調整ベースラインと比較して平均成功率を37%以上改善することが示された。
論文 参考訳（メタデータ） (2026-03-04T13:18:05Z) - Growing Q-Networks: Solving Continuous Control Tasks with Adaptive Control Resolution [51.83951489847344]
ロボット工学の応用において、スムーズな制御信号はシステム摩耗とエネルギー効率を減らすために一般的に好まれる。
本研究では,離散的な動作空間を粗い状態から細かい制御分解能まで拡大することにより,この性能ギャップを埋めることを目的とする。
我々の研究は、値分解とアダプティブ・コントロール・リゾリューションが組み合わさることで、単純な批判のみのアルゴリズムが得られ、連続制御タスクにおいて驚くほど高い性能が得られることを示唆している。
論文 参考訳（メタデータ） (2024-04-05T17:58:37Z)
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。