論文の概要: Elastra: A Simulation Framework for Elastic Bodies
- arxiv url: http://arxiv.org/abs/2611.15112v1
- Date: Wed, 11 Nov 2026 06:42:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.067856
- Title: Elastra: A Simulation Framework for Elastic Bodies
- Title(参考訳): Elastra: 弾性体のシミュレーションフレームワーク
- Abstract要約: この相互作用をモデル化するためのシミュレーションフレームワークであるElastraを紹介する。
Elastraを使ってUnitree G1のヒューマノイドを訓練し、マットレスとトランポリンの上に立つ。
- 参考スコア(独自算出の注目度): 9.526730541200038
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: When robots interact with elastic surfaces such as mattresses and trampolines, changes in loading cause the surfaces to deform and rebound, altering subsequent contact locations and forces. We present Elastra, a simulation framework for modeling this interaction and supporting the training and evaluation of robot control policies. Elastra represents each surface using elements that move only vertically, with elastic connections and damping to model deformation and recovery. Contact forces drive surface motion, and the updated surface geometry is used to compute subsequent contact forces. We systematically validate our simulations against an independent implementation and a real mattress load curve. We further use Elastra to train the Unitree G1 humanoid to stand up on mattresses and trampolines. Using the pretrained HoST policy and ProtoMotions motion tracker as original controllers, we train residual policies through reinforcement learning to add corrections to their joint targets. Adding these residual policies increases the success rate with HoST from 44.1\% to 72.5\%, and from 55\% to 89\% on the trampoline. With ProtoMotions, the success rate increases from 19.0\% to 45.0\% for initial poses not encountered during training. The code and video are available on https://github.com/yichg/elastra.
- Abstract(参考訳): マットレスやトランポリンのような弾性面とロボットが相互作用すると、荷重の変化によって表面が変形してリバウンドし、その後の接触位置や力を変化させる。
本稿では,このインタラクションをモデル化し,ロボット制御ポリシーのトレーニングと評価を支援するシミュレーションフレームワークであるElastraを提案する。
エラストラは、弾性的な接続と減衰によって変形と回復をモデル化し、垂直にしか動かない要素を用いて、各表面を表現している。
接触力は表面運動を駆動し、更新された表面形状はその後の接触力を計算するために使用される。
シミュレーションを独立した実装と実際のマットレス負荷曲線に対して体系的に検証する。
さらにElastraを使ってUnitree G1のヒューマノイドをトレーニングし、マットレスとトランポリンの上に立つ。
事前訓練されたHoSTポリシーとProtoMotionsモーショントラッカーを元のコントローラとして使用し、強化学習を通じて残留ポリシーを訓練し、関節ターゲットに補正を加える。
これらの残留ポリシーを追加すると、HoSTによる成功率は44.1\%から72.5\%に増加し、トランポリンでは55\%から89\%に増加する。
ProtoMotionsでは、トレーニング中に遭遇しない最初のポーズに対して、成功率は19.0\%から45.0\%に増加する。
コードとビデオはhttps://github.com/yichg/elastra.comで公開されている。
関連論文リスト
- Memory-Efficient Parallel Policy Learning for Collapse-Reactive Retreat via Hybrid Terrain Modeling [8.982472983329096]
災害現場や不安定な斜面では、ロボットとの接触は監視されていない地形を崩壊させ、支援損失の時に後退を要求される。
崩壊反応型後退の大規模並列強化学習には、独立国家行動経験が必要である。
本稿では,ハイブリッド地形モデリングによる倒壊反応性退避のためのメモリ効率の並列ポリシー学習フレームワークを提案する。
論文 参考訳(メタデータ) (2026-11-12T05:58:50Z) - PhysSkin++: Real-Time and Generalizable Physics-Based Animation via Self-Supervised Neural Skinning [107.43971978787266]
物理インフォームドフレームワークであるPhysSkin++を導入し、静的な幾何学から連続的な神経スキン場を学習し、コンパクトな変形部分空間を構築する。
実験では、学習したスキン場のクロスシェイプ一般化、リアルタイム還元シミュレーション、および制御可能、衝突認識、リグ補足アニメーションへの応用を実証した。
論文 参考訳(メタデータ) (2026-10-19T09:25:55Z) - Morphometric Imitation: From Morphology and Contact Aware Hand Retargeting to Sim-to-Real Visuomotor Policy [29.295652874736934]
我々は,人間の手動インタラクションをゼロショットビジュモータポリシーに再構築するフレームワークであるMorphometric Imitationを提案する。
3つの手と10個のHOIで、MMOはコンタクトF1で5つのベースラインを上回り、最強のものを8から28ポイント改善する。
Sharpaでは、ビジュモーターポリシーは10のカテゴリにまたがる30のオブジェクトに対する300の現実世界の試行において89.3%のゼロショット成功を達成した。
論文 参考訳(メタデータ) (2026-09-23T18:05:36Z) - WorldContact: A Contact-Centric World Model for Scalable Robot Learning [63.61204799366772]
WorldContactは、変形可能なオブジェクト操作のための接触中心の世界モデルである。
原数値シミュレータよりも大きな時間ステップを用いてオブジェクトのダイナミクスを予測する。
1つのH100 GPUのステートロールアウト測定は、ソースシミュレータよりも10倍のスピードアップを示している。
論文 参考訳(メタデータ) (2026-09-17T02:27:32Z) - TACT-ful: Multi-Channel Terrain Affordance and Compliance Training for Payload-Robust Perceptive Humanoid Locomotion [1.3553462938197818]
構造された地形における足場選択には、接触平面性、表面急勾配、および運動的到達性に関する明確な推論が必要である。
本研究では, 平坦性, 急勾配性, 速度を考慮した高さ実現可能性と, 前方登頂報酬を組み合わせた多チャンネル地形コストを提案する。
論文 参考訳(メタデータ) (2026-06-06T10:25:13Z) - GeoPT: Scaling Physics Simulation via Lifted Geometric Pre-Training [86.70824679370524]
我々は,持ち上げ幾何事前学習に基づく一般物理シミュレーションのための統一事前学習モデルGeoPTを提案する。
中心となる考え方は、幾何学を合成力学で強化し、物理ラベルなしで動的に認識できる自己超越を可能にすることである。
論文 参考訳(メタデータ) (2026-02-23T22:32:08Z) - CRISP: Contact-Guided Real2Sim from Monocular Video with Planar Scene Primitives [65.89192712575797]
本研究では,モノクロ映像から再現可能な人物の動きとシーン形状を復元するCRISPを紹介する。
我々の手法は、人中心のビデオベンチマークにおいて、モーショントラッキングの失敗率を55.2%から6.9%に下げる。
このことは、CRISPが物理的に有意な人間の動きと対話環境を大規模に生成する能力を示している。
論文 参考訳(メタデータ) (2025-12-16T18:59:50Z) - DiSECt: A Differentiable Simulator for Parameter Inference and Control
in Robotic Cutting [71.50844437057555]
軟質材料を切断するための最初の微分可能シミュレータであるDiSECtについて述べる。
シミュレータは、符号付き距離場に基づく連続接触モデルにより有限要素法を増強する。
このシミュレータは, 最先端の商用解法を用いて, 結果の力やフィールドに適合するようにキャリブレーションできることを示す。
論文 参考訳(メタデータ) (2022-03-19T07:27:19Z)
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。