論文の概要: Memory-Efficient Parallel Policy Learning for Collapse-Reactive Retreat via Hybrid Terrain Modeling
- arxiv url: http://arxiv.org/abs/2611.16337v1
- Date: Thu, 12 Nov 2026 05:58:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.372391
- Title: Memory-Efficient Parallel Policy Learning for Collapse-Reactive Retreat via Hybrid Terrain Modeling
- Title(参考訳): ハイブリッドテランのモデリングによる崩壊再処理のためのメモリ効率の良い並列ポリシー学習
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 8.982472983329096
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: At disaster sites and on unstable slopes, robot contact can collapse uninspected terrain, requiring retreat upon support loss. Massively parallel reinforcement learning of collapse-reactive retreat requires independent state--action experiences. However, on shared rigid-body collapsible terrain, one robot's collapse alters others' contacts without direct interaction. We call this indirect interference. Duplicating terrain objects prevents this but is memory-intensive, limiting parallel sampling. Our key insight is that policy learning does not necessarily require rigid-body collapse modeling, which is feasible but computationally expensive; collapse-induced contact responses can suffice. We therefore propose a memory-efficient parallel policy-learning framework for collapse-reactive retreat via hybrid terrain modeling. Hybrid terrain modeling combines rigid-body simulation of non-collapsible terrain with virtual contact forces for collapsible regions. A State-Multiplexed Contact Model shares terrain geometry and a contact-response law while maintaining environment-specific collapse states, enabling independent experiences without terrain objects for collapsible regions. The framework trains a proprioceptive policy for both normal locomotion and collapse-reactive retreat. It supports over 100 times as many parallel environments as fine-resolution rigid-block terrain within the same GPU memory limit. This scalability and improved sample efficiency enable over 50 times faster policy convergence with comparable retreat performance. Sim-to-sim and real-robot experiments demonstrate retreat under multiple collapse conditions. A supplementary video is available at: https://youtu.be/_RrhwjzEPE0
- Abstract(参考訳): 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。
しかし、固定体の折り畳み可能な地形では、ロボットの崩壊によって直接の相互作用なしに他のロボットとの接触が変化する。
これを間接干渉と呼ぶ。
地形オブジェクトの重複は、これを防ぐが、メモリ集約であり、並列サンプリングを制限する。
我々の重要な洞察は、政策学習が必ずしも剛体崩壊モデリングを必要としないことである。
そこで本稿では,ハイブリッド地形モデルを用いた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。
ハイブリッド地形モデリングは、非折り畳み地形の剛体シミュレーションと、折り畳み領域の仮想接触力を組み合わせた。
State-Multiplexed Contact Modelは、地形幾何学と接触応答則を共有しながら、環境固有の崩壊状態を維持し、崩壊可能な地域のための地形オブジェクトなしで独立した体験を可能にする。
この枠組みは、正常な移動と崩壊反応の後退の両方に対する受容的政策を訓練する。
並列環境の100倍以上をサポートし、同じGPUメモリリミット内において、微細解像度の剛性ブロックランドスケープをサポートする。
このスケーラビリティと改善されたサンプル効率は、同等のリトリート性能で50倍以上のポリシー収束を可能にする。
シミュレーションと実ロボット実験は、複数の崩壊条件下での後退を実証する。
補足ビデオは、https://youtu.be/_RrhwjzEPE0.comで公開されている。
関連論文リスト
- SpatialHarness: Test-Time Spatial Scaffolding for Fine Robotic Manipulation [38.589096671091326]
SpaceHarnessはテストタイムの具体化ハーネスで、精密なロボット操作のためにテストタイムの空間的な足場を提供する。
本研究では,高精度な幾何学的アライメント,オブジェクト配置,具体的オブジェクト間相互作用にまたがる4つの実ロボット操作タスクについて評価する。
論文 参考訳(メタデータ) (2026-10-08T17:59:20Z) - WeaveRL: Weaving Reconstruction into Scene-Aware Fabrics for Perceptive Reinforcement Learning [4.92984603032014]
本稿では,数千の並列シミュレーションインスタンスにまたがるサーフの集合体としてシーンを再構成するGPU高速化手法を提案する。
これにより、ポリシーは手動で特定された幾何学ではなく、センサーによる操作ができるようになる。
衝突深度操作の一連のタスクにおいて、我々のサーベイルファブリックは、幾何学的に複雑なシーンに対処するためのポリシーを可能にする。
論文 参考訳(メタデータ) (2026-09-16T14:00:37Z) - 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) - GigaBrain-WBC-0.5: A Behavior World Model for Robust Whole-Body Control with Environment Interaction [68.67772166423812]
ヒューマノイド全身制御のための行動世界モデル(BWM)であるGigaBrain-WBC-0.5を提案する。
純粋にリアクティブなトラッカーではなく、因果トランスフォーマーをトレーニングして、次のアクション、次の状態、次の潜伏動作コマンドに対する分布を共同で予測します。
自動地形アノテーションパイプラインは、再ターゲティングされた動きから完全な3D接触形状を復元し、既存の動きデータセットのスケールでの地形アノテートを可能にする。
論文 参考訳(メタデータ) (2026-08-18T18:21:36Z) - Point as Skeleton: Accumulated Point Cloud Enhanced Autoregressive Generation for Closed-Loop Autonomous Driving Simulation [58.86413499077093]
状態更新型自己回帰駆動ビデオ生成のための生成センサシミュレーションフレームワークであるSkeleton を textbfemphPoint として提案する。
閉ループロールアウトをサポートするために,リセット・アンド・ロール(Reset-and-Roll)を導入し,ローリング拡散推論をシミュレーションに適用する。
nuScenes と nuPlan の実験では、textitPoint as Skeleton がクローズドループロールアウト時の自動回帰生成品質を向上させることが示されている。
論文 参考訳(メタデータ) (2026-07-07T17:20:51Z) - 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) - Steerable Adversarial Scenario Generation through Test-Time Preference Alignment [58.37104890690234]
対立シナリオ生成は、自律運転システムの安全性評価のためのコスト効率の良いアプローチである。
textbfSteerable textbfAdversarial scenario textbfGEnerator (SAGE) という新しいフレームワークを導入する。
SAGEは、逆境とリアリズムの間のトレードオフを、再トレーニングなしできめ細かいテストタイムコントロールを可能にします。
論文 参考訳(メタデータ) (2025-09-24T13:27:35Z) - Zero-Shot Transfer of Haptics-Based Object Insertion Policies [11.711534127073492]
人間は自然に触覚フィードバックを利用して、食器洗い機をロードしたり、本棚を張ったりといった、コンタクトが豊富なタスクをこなします。
現在のロボットシステムは、しばしば戦略的に配置された環境センサーに依存するため、予期せぬ接触を避けることに重点を置いている。
我々は,プレートをスロットホルダーに積載するコンタクトリッチホームタスクのシミュレーションにおいて,接触露光操作ポリシーを訓練する。
論文 参考訳(メタデータ) (2023-01-29T23:57:43Z) - Nonprehensile Riemannian Motion Predictive Control [57.295751294224765]
本稿では,リアル・ツー・シムの報酬分析手法を導入し,リアルなロボット・プラットフォームに対する行動の可能性を確実に予測する。
連続的なアクション空間でオブジェクトを反応的にプッシュするクローズドループコントローラを作成します。
我々は,RMPCが乱雑な環境だけでなく,乱雑な環境においても頑健であり,ベースラインよりも優れていることを観察した。
論文 参考訳(メタデータ) (2021-11-15T18:50:04Z)
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。