論文の概要: DKWBC: Decoupling Motion Tracking and Balancing for Humanoid Whole-Body Control
- arxiv url: http://arxiv.org/abs/2611.09605v2
- Date: Tue, 10 Nov 2026 05:35:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-12 04:24:43.456478
- Title: DKWBC: Decoupling Motion Tracking and Balancing for Humanoid Whole-Body Control
- Title(参考訳): DKWBC:ヒューマノイド全体制御のための運動追跡とバランスの分離
- Abstract要約: 動的インフォームド全身制御フレームワークDKWBCを提案する。
逆動的フィードフォワードとジョイントPDフィードバックを用いてトラッキングトルクを供給し、残余ポリシーはバランスの取れた実行のために追加のジョイントトルク補正を学習する。
シミュレーションと実際のハードウェアの実験では、単一の学習されたバランスポリシがモーションデータセットをまたいで一般化され、正確なモーショントラッキングと地上サポート、付属ペイロード、物理的相互作用のバランスが維持される。
- 参考スコア(独自算出の注目度): 82.71647978161637
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Humanoid whole-body control requires a robot to track diverse reference motions while maintaining balance under gravity, torque limits, contact switching, and external disturbances. Existing reinforcement-learning-based trackers typically learn control outputs that jointly address motion tracking and balance. However, similar reference poses can correspond to substantially different dynamic demands, requiring a unified policy to learn motion-dependent control requirements alongside balance corrections. This can complicate learning and lead to high-frequency fluctuations in control outputs. We propose DKWBC, a dynamics-informed whole-body control framework that combines explicit model-based tracking with a learned balancing residual. Inspired by the model-based and environmental-wrench contributions to joint torques in floating-base dynamics, DKWBC uses inverse-dynamics feedforward and joint PD feedback to supply tracking torques, while a residual policy learns additional joint-torque corrections for balanced execution. By explicitly accounting for motion-dependent torque demands, this structure simplifies the policy's learning task. Experiments in simulation and on real hardware demonstrate that a single learned balancing policy generalizes across motion datasets while maintaining accurate motion tracking and balance across ground support, attached payloads, and physical interaction. Project page: https://robbyant-research.github.io/DKWBC/.
- Abstract(参考訳): ヒューマノイド全体の制御には、重力、トルク制限、接触切替、外乱のバランスを維持しながら、多様な基準運動を追跡するロボットが必要である。
既存の強化学習ベースのトラッカーは、通常、モーショントラッキングとバランスに共同で対処する制御出力を学習する。
しかし、類似した参照ポーズは、バランス補正と並行して動きに依存した制御要求を学習するために統一されたポリシーを必要とする、かなり異なる動的要求に対応できる。
これは学習を複雑にし、制御出力の高周波変動を引き起こす。
DKWBCは、明示的なモデルベーストラッキングと学習されたバランス残差を組み合わせた動的インフォームド全身制御フレームワークである。
DKWBCは、フローティングベース力学における関節トルクに対するモデルベースおよび環境レンチの寄与にインスパイアされ、逆力学フィードフォワードとジョイントPDフィードバックを使用してトラッキングトルクを供給し、残留ポリシーはバランスの取れた実行のための追加の関節トルク補正を学習する。
運動に依存したトルク要求を明示的に説明することにより、この構造はポリシーの学習タスクを単純化する。
シミュレーションと実際のハードウェアの実験では、単一の学習されたバランスポリシがモーションデータセットをまたいで一般化され、正確なモーショントラッキングと地上サポート、付属ペイロード、物理的相互作用のバランスが維持される。
プロジェクトページ: https://robbyant-research.github.io/DKWBC/。
関連論文リスト
- Action Learning for Scientific Simulations [61.29273221991081]
私たちは$textbfLEAP$$textbfL$earned $textbfE$nergy on $textbfA$ction $textbfP$aths)を導入します。
LEAPは、基礎となるダイナミクスを回復し、時間にわたって依存関係をキャプチャし、推論対象と物理的条件間の転送を可能にする。
論文 参考訳(メタデータ) (2026-10-22T17:22:08Z) - State-Dependent Objective Coordination for End-to-End Balance and Navigation [11.035860336713176]
ナビゲーションと制御を統合した軽量な状態依存型客観協調手法を提案する。
ゼロショットデプロイメントをサポートするために、シミュレーショントレーニングは実行遅延、アクションホールド、非同期でノイズの多い観察、ダイナミックスの不確実性をモデル化する。
論文 参考訳(メタデータ) (2026-10-21T03:24:37Z) - Contact-UAN: Unsupervised Actuator Networks as a Residual World Model for Humanoid Control [27.61419798789157]
本研究では,シミュレーションロールアウトと記録ロールアウトを整列するアクチュエータのダイナミクスを補正しながら,シミュレータの物理履歴を保存した残留世界モデルであるContact-UANを紹介する。
実世界の歩行データ6.5分で訓練されたUANが、正確な力と衝動制御の恩恵を受けるタスクに一般化し、現実の世界にシームレスに移行するポリシーを生成することを示す。
論文 参考訳(メタデータ) (2026-10-13T18:00:52Z) - Real-Time Force Regulation for Whole-Hand Dexterous Grasping [56.253219596767075]
本報告では, 接触の動的変化に対するリアルタイム力規制の枠組みについて述べる。
本手法は, 触覚を必要とせず, 全ハンドリンクにまたがる接触を幾何学的に推定する。
我々は,この力調節制御系を反応的リーチと統合し,手の動きを把握し,乱れ下で保持し,物体を失くした後の再生を可能にする。
論文 参考訳(メタデータ) (2026-09-24T16:31:51Z) - Fetch My Beer: Synthetic-to-real Hierarchical Policy for Smooth Pick-and-place [54.561625475942584]
本研究では, 液体充填容器の安定輸送について検討し, ロボットが物体を目標場所へ移動させながら, スロッシングを抑え, こぼれを防止する方法を検討した。
このタスクは運動の滑らかさと軌道レベルの安定性に厳格な要件を課し、既存のシステムの明確な制限を明らかにする。
物理的に検証されたデータ生成と階層的拡散型コントローラを結合した合成から現実のフレームワークを提案する。
論文 参考訳(メタデータ) (2026-09-16T04:55:12Z) - Real-Time Projected Adaptive Control for Closed-Chain Co-Manipulative Continuum Robots [0.764671395172401]
協調操作型連続ロボット(CCR)では、複数の連続アームが共通の柔軟な物体をつかむことで協調する。
現実的なタスクでは、フレキシブルオブジェクトの物理パラメータはしばしば未知であり、操作によって異なる。
本稿では,動的レベルで定式化されたCCRの適応制御フレームワークを提案する。
論文 参考訳(メタデータ) (2026-04-05T22:03:23Z) - 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) - RoVerFly: Robust and Versatile Implicit Hybrid Control of Quadrotor-Payload Systems [7.767180040566647]
RoVerFlyは、四辺形軌道追跡のための学習ベースの制御フレームワークである。
明示的なモード検出やコントローラの切り替えなしに複雑なダイナミクスを管理する。
ペイロード設定間で強力なゼロショットの一般化を実現する。
論文 参考訳(メタデータ) (2025-09-14T07:41:40Z) - Improving Human Motion Plausibility with Body Momentum [49.636235399261494]
多くの研究は、世界フレームの根関節と大域運動に付随するフレームにおいて、人間の動きを局所運動に分解する。
本研究では,局所運動とグローバル運動を結びつける制約として,全身の線形運動量と角運動量を用いることを提案する。
我々は,生成したモーメントプロファイルと地中構造データで観測されるモーメントプロファイルの整合性を強制する新たな損失項を導入する。
論文 参考訳(メタデータ) (2025-09-11T14:34:32Z) - Learning Policies for Continuous Control via Transition Models [2.831332389089239]
ロボット制御では、腕のエンドエフェクターを目標位置または目標軌道に沿って移動させるには、正確な前方および逆モデルが必要である。
相互作用から遷移(前方)モデルを学習することで、償却されたポリシーの学習を促進することができることを示す。
論文 参考訳(メタデータ) (2022-09-16T16:23:48Z)
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。