論文の概要: ReflexArc: Bottom-Up Integration of Instantaneous Tactile Reflexes into Whole-Body Humanoid Control
- arxiv url: http://arxiv.org/abs/2611.04424v1
- Date: Tue, 03 Nov 2026 07:10:52 GMT
- ステータス: 情報取得中
- システム内更新日: 2026-11-04 17:50:48.280489
- Title: ReflexArc: Bottom-Up Integration of Instantaneous Tactile Reflexes into Whole-Body Humanoid Control
- Title（参考訳）: ReflexArc: 即時触覚反射のボトムアップ統合による全身ヒューマノイド制御
- Abstract要約: ARC(Ascending Reflex Control)は、瞬間的な触覚反射と学習された全身制御を統合するフレームワークである。
ARCは第1の力ピークを34.1%減少させ、接触インパルスを0.2632Nsから0.1225Nsに減少させる。
足触覚センサにより保護された運動追跡,遠隔操作,視覚のない障害物を実証した。
- 参考スコア（独自算出の注目度）: 20.66889382906064
- License:
- Abstract: Humanoid robots operating in cluttered environments must react to unexpected contacts before the first impact peak, which arrives within tens of milliseconds. Learned whole-body policies running at 50 Hz introduce a policy-cycle delay and may suppress a protective withdrawal as a tracking error. To address these challenges, we propose ARC (Ascending Reflex Control), a bottom-up framework that integrates instantaneous tactile reflexes with learned whole-body control. ARC consists of two components: an instantaneous reflex pathway and bottom-up reflex integration. The reflex pathway detects hazardous contacts from full-body tactile sensing, solves a whole-body withdrawal pose, and delivers it directly to the motors within 10 ms. Bottom-up reflex integration combines reflex-in-the-loop policy learning, reflex-transparent policy alignment, and reflex-informed policy adaptation to sustain the withdrawal, maintain balance, and complete longer-horizon recovery. We deploy ARC on a Unitree G1 and evaluate three categories of hazardous contact. Compared with an otherwise identical reflex delayed by 20 ms, ARC reduces the first force peak by 34.1% and reduces the contact impulse from 0.2632 N s to 0.1225 N s (a 2.15x ratio). We further demonstrate protected motion tracking, teleoperation, and vision-free obstacle traversal guided by foot tactile sensing. Project page: https://minusmodulo.github.io/reflexarc-website/
- Abstract（参考訳）: 乱雑な環境で動作しているヒューマノイドロボットは、最初の衝突ピークの前に予期せぬ接触に反応し、数ミリ秒以内に到達しなければならない。
50Hzで実行される学習された全身ポリシーは、ポリシーサイクルの遅延を導入し、追跡エラーとして保護離脱を抑制する可能性がある。
これらの課題に対処するために,即時的な触覚反射と学習された全身制御を統合するボトムアップフレームワークARC(Ascending Reflex Control)を提案する。
ARCは、即時反射経路とボトムアップ反射統合の2つのコンポーネントから構成される。
反射経路は、全身触覚から有害な接触を検出し、全身の離脱ポーズを解決し、10m以内にモーターに直接供給する。ボトムアップ反射積分は、反射・イン・ザ・ループのポリシー学習、反射・透明なポリシーアライメント、反射・インフォームされたポリシー適応を組み合わせて、離脱を維持し、バランスを維持し、長期の回復を完遂する。
ARCをUnitree G1上に展開し,危険接触の3つのカテゴリを評価する。
20ミリ秒遅れた他の同じ反射と比べて、ARCは第1の力ピークを34.1%減らし、接触インパルスを0.2632Nsから0.1225Ns(比2.15倍)に下げる。
さらに,足触覚によって誘導される保護された運動追跡,遠隔操作,視覚のない障害物トラバースを実証した。
プロジェクトページ:https://minusmodulo.github.io/reflexarc-website/
関連論文リスト
- RIDE-Splat: Reflection Removal for In-the-Wild Driving Environments [47.94670926552763]
RIDE-Splatは、ポーズドライビングビデオからの反射のない3D再構成のためのパイプラインである。
フロントガラスを通した世界一貫性のある送信を3DGSのシーンに割り当て、カメラ対応のリフレクションを1つの共有署名されたRGB画像に割り当てる。
推論時に、反射画像を破棄し、標準の3DGSレンダリングパスを保存する。
論文 参考訳（メタデータ） (2026-10-25T23:11:47Z) - Reflex: Visually Grounded Reactive Humanoid Control [35.71871165109645]
人間は熱心に世界に対して反応し、テニスショットの返却、転倒カップのキャッチ、通過するカートの脇のステップ、トラックの降ろし中に投げられた箱を渡す。
このような視覚的反応的な全身制御は、身体全体の制御を調整し、リアルタイムで物体のダイナミクスに反応し、自我中心の視覚における地面の知覚を調整しなければならないヒューマノイドにとって依然として困難である。
Reflexは、オブジェクトダイナミクスのコンパクトな表現を通してそれらを接続しながら、ステージごとにこれらの機能を学習する3段階のフレームワークである。
論文 参考訳（メタデータ） (2026-10-08T22:24:03Z) - Learning Reflexive Behavior for Contact-Rich Manipulation [13.543798949207073]
接触に富んだ操作の間、ロボットとその環境間の相互作用は局所幾何学に関する情報を運ぶ。
これらの相互作用を利用するコントローラは、タスク意図を維持しながら環境制約に従うことができる。
我々は3つの単純な相互作用プリミティブのシミュレーションにおいて、固有反射ポリシーを学習する。
論文 参考訳（メタデータ） (2026-10-02T05:01:23Z) - CoPRE: Improving Sensitivity in Proprioceptive Contact Detection for Low-Cost Robot Arms [15.045993818040373]
低コストロボットアームの接触検出感度を向上させるために,CoPRE(Contact-free Proprioceptive Response Estimation)を導入した。
CoPREは、先天受容状態履歴と指令運動から接触のない運動下での期待される関節トルクを推定する。
ARX ArmとUnitree G1の実験は、CoPREがテストされた接触試験で74.1%と82.2%のリコールを達成したことを示している。
論文 参考訳（メタデータ） (2026-09-23T05:32:06Z) - Design and Human Evaluation of Tactile Withdrawal Reflexes for a Skin-Covered Robot Arm [3.0386584727208032]
侵害受容 (nociception) は、有害な刺激と反応を結びつける保護的な生物学的機構である。
本稿では,ロボットマニピュレータ上の感圧性皮膚からバイオインスパイアされた退避動作への圧力変化をマッピングする完全なパイプラインを提案する。
論文 参考訳（メタデータ） (2026-07-24T12:31:44Z) - FACTR 2: Learning External Force Sensing for Commodity Robot Arms Improves Policy Learning [54.93624123794711]
接触に富んだ操作は力の感度を必要とするが、多くのロボットアームは高いコストのために専用の力センサーを欠いている。
本稿では、専用の力センサを必要とせず、外部関節トルクを推定するデータ駆動方式であるニューラル外部トルク推定(Trque)を提案する。
次に、低コストのアーム上での力覚的遠隔操作を可能にし、フォースインフォームド・リサンプリングトレーニングによる政策学習を改善する。
論文 参考訳（メタデータ） (2026-06-10T17:59:35Z) - RecoverFormer: End-to-End Contact-Aware Recovery for Humanoid Robots [5.584060970507507]
完全エンドツーエンドのヒューマノイド回復ポリシーであるRECOVERFORMERを提案する。
回復行動の中で、いつ、どのように切り替えるかを学ぶ。
このアーキテクチャは、50ステップの観測履歴に2つの新しい頭を持つ因果変換器を組み合わせたものである。
論文 参考訳（メタデータ） (2026-04-24T17:52:06Z) - MI-DETR: A Strong Baseline for Moving Infrared Small Target Detection with Bio-Inspired Motion Integration [63.87179575890912]
我々は、赤外線小ターゲット検出のためのバイオインスパイアされたデュアルパス検出装置であるモーション統合DETR(MI-DETR)を提案する。
まず、網膜にインスパイアされたセルオートマトン(RCA)は、生フレーム配列を外観画像と同じピクセルグリッド上に定義されたモーションマップに変換する。
第二に、PMI(Parvocellular-Magnocellular Interconnection)ブロックは2つの経路間の双方向の特徴的相互作用を促進する。
論文 参考訳（メタデータ） (2026-03-05T11:39:31Z) - Reactive Diffusion Policy: Slow-Fast Visual-Tactile Policy Learning for Contact-Rich Manipulation [58.95799126311524]
人間は視覚と触覚を使って、外的変化に対する迅速な応答や接触力の適応制御のような非常に反応性の高い能力で、コンタクトリッチなタスクを達成できる。
既存の視覚模倣学習アプローチは、複雑な振る舞いをモデル化するためにアクションチャンキングに依存している。
本稿では,Augmented Realityを通じてリアルタイム触覚フィードバックを提供する,低コスト遠隔操作システムであるTactARを紹介する。
論文 参考訳（メタデータ） (2025-03-04T18:58:21Z)
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。