論文の概要: FORGE: Force-Aware Multi-Granularity Control for Efficient Humanoid Loco-Manipulation
- arxiv url: http://arxiv.org/abs/2611.17142v1
- Date: Thu, 12 Nov 2026 17:30:11 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.570143
- Title: FORGE: Force-Aware Multi-Granularity Control for Efficient Humanoid Loco-Manipulation
- Title(参考訳): FORGE:効率的なヒューマノイドロコマニピュレーションのための力覚多角性制御
- Abstract要約: FORGEは、低速ナビゲーション、平面足の配置、手首位置追跡、オプションの力条件入力にまたがる粗いコマンド空間を備えた、力に敏感な多粒性制御システムである。
政策訓練では、フルボディの人間の運動軌跡や関節角度の基準は必要とせず、配置は骨盤に対してわずかに両手首のポーズのみを消費する。
実験は、統一制御安定性、タスク空間追跡、準静的手首等価力推定、剛体箱との連続接触時のスクイーズ力、およびペイロード条件を越えたスクワット・アンド・リフトタスクの下流拡散・ポリシー実行を評価した。
- 参考スコア(独自算出の注目度): 49.06690567987752
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Humanoid loco-manipulation requires coordinated locomotion, balance regulation, and manipulation under frequent contacts, making teleoperated demonstration collection difficult: a practical controller must simultaneously provide precision, stability, and contact awareness. We propose FORGE, a force-aware multi-granularity control system with a coarse-to-fine command space spanning velocity navigation, planar foot placement, wrist-pose tracking, and optional force-conditioning inputs. Policy training requires no full-body human motion trajectories or joint-angle references; deployment consumes only sparse bilateral wrist poses relative to the pelvis, coarse motion commands, and optional desired wrist-load inputs. For sustained contact, FORGE combines a momentum observer with a learned correction trained using simulator contact-force supervision. At deployment, it estimates low-frequency, wrist-equivalent interaction forces from proprioception and reconstructed low-level arm PD torques, without wrist force/torque sensors. A quasi-static virtual-target loop uses this estimate and an optional desired applied-force input to adapt the wrist target. A frozen locomotion prior and asymmetric residual actions stabilize manipulation-induced whole-body corrections. Experiments evaluate unified-control stability, task-space tracking, quasi-static wrist-equivalent force estimation, squeezing forces during sustained contact with a rigid box, and downstream diffusion-policy execution of a squat-and-lift task across payload conditions. Website: https://bb0928.github.io/forge/.
- Abstract(参考訳): ヒューマノイドのロコ操作は、頻繁な接触下での協調移動、バランス調整、操作を必要とし、遠隔操作によるデモ収集を困難にしている。
速度ナビゲーション,平面足の配置,手首位置追跡,任意の力条件入力にまたがる粗いコマンド空間を有する力覚多粒度制御システムFOGEを提案する。
政策訓練では、フルボディの人体運動軌跡や関節角度の基準は必要とせず、配置は、骨盤、粗い動作指令、オプションで望ましい手首装具のみを消費する。
持続的な接触のために、ForGEは運動量オブザーバとシミュレーター接触力監督を用いて訓練された学習された補正を組み合わせる。
展開時には、プロバイオセプションから低周波で手首等価な相互作用力を推定し、手首の力/トルクセンサーを使わずに低レベル腕のPDトルクを再構築する。
準静的仮想ターゲットループは、この推定値と任意の所望の印加力入力を使って手首ターゲットに適応する。
凍結した移動前と非対称な残留動作は、操作によって誘導される全身補正を安定化させる。
実験は、統一制御安定性、タスク空間追跡、準静的手首等価力推定、剛体箱との連続接触時のスクイーズ力、およびペイロード条件を越えたスクワット・アンド・リフトタスクの下流拡散・ポリシー実行を評価した。
ウェブサイト:https://bb0928.github.io/forge/
関連論文リスト
- DKWBC: Decoupling Motion Tracking and Balancing for Humanoid Whole-Body Control [82.71647978161637]
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。
論文 参考訳(メタデータ) (2026-11-06T15:31:19Z) - 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) - Force-Aware Reinforcement Learning with Hybrid Sensorless Force Estimation for Wheeled-Legged Loco-Manipulation [14.501012360823886]
力制御されたロコ操作は、移動と腕の動きを協調する全身ポリシーを必要とする。
本報告では,車輪付きレッグ式ロコマニピュレーションのためのハイブリッドセンサレス力推定を用いた力覚強化学習手法を提案する。
論文 参考訳(メタデータ) (2026-09-12T07:46:53Z) - TAC-LOCO: Unified Whole-Body Control for Quadrupedal TACtile-Informed LOCO-Manipulation [13.785492911693098]
動的ロコ操作では、不確実な外力下での把握された物体との安定した物理的相互作用を維持しながら、脚のあるロボットが全身の動きを調整する必要がある。
触覚を付加した統合強化学習フレームワークであるTAC-LOCOを提案する。
We deploy the policy zero-shot on a Unitree Go2 with an Interbotix WidowX 250 arm and tactile gripper, showed dynamic tactile-informed loco-manipulation under various external interaction。
論文 参考訳(メタデータ) (2026-07-11T05:45:24Z) - Closing the Reality Gap: Zero-Shot Sim-to-Real Deployment for Dexterous Force-Based Grasping and Manipulation [17.63466252699545]
人間のような器用な手は人間レベルの操作機能を提供するが、実際のハードウェアにデプロイできるコントロールポリシーを訓練することは困難である。
本稿では,高密度触覚フィードバックと関節トルクセンサを併用したシミュレート・トゥ・リアル強化学習法を提案する。
これは、シミュレーションで完全に訓練され、実際のハードウェア上でゼロショットを転送するマルチフィンガーデキスタラスハンドにおける制御可能なグリップの初めてのデモンストレーションである。
論文 参考訳(メタデータ) (2026-07-06T11:15:36Z) - ULTRA: Unified Multimodal Control for Autonomous Humanoid Whole-Body Loco-Manipulation [55.467742403416175]
本稿では,大規模モーションキャプチャをヒューマノイドに変換する物理駆動型ニューラルネットワークを提案する。
我々は高密度参照とスパースタスク仕様の両方をサポートする統合マルチモーダルコントローラを学習する。
その結果,ULTRAは自我中心の知覚から,自律的,目標条件付き全体ロコ操作に一般化することが示された。
論文 参考訳(メタデータ) (2026-03-03T18:59:29Z) - Safe Whole-Body Loco-Manipulation via Combined Model and Learning-based Control [46.47619556874003]
そこで本研究では,マニピュレータアームのモデルベースアプタンス制御と足歩行の強化学習ポリシを組み合わせた全身制御を提案する。
アクセタンスコントローラは、物理的相互作用中に人間によって適用されるような外部レンチを、望ましいエンドエフェクタ速度にマッピングし、従順な振る舞いを可能にする。
6-DoFアームと手首に装着した6-DoF Force/Torqueセンサーを備えたUnitree Go2四足歩行ロボットを用いて,シミュレーションとハードウェアの両方におけるアプローチを検証する。
論文 参考訳(メタデータ) (2026-03-02T22:31:12Z)
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。