Shape-Adaptive Planning and Control for a Deformable Quadrotor

投稿日: 2025年5月22日 作成者: jarxiv

要約

ドローンはさまざまなアプリケーションで不可欠になっていますが、従来の四重帯は限られたスペースや複雑なタスクでの制限に直面しています。
形状をリアルタイムで適応させることができる変形可能なドローンは、これらの課題を克服するための有望なソリューションを提供し、操縦性を高め、オブジェクトの把握などの新しいタスクを可能にします。
このペーパーでは、変形可能な象限の自律運動計画と制御に対する新しいアプローチを紹介します。
複雑な環境で変形パ​​ラメーターを処理するためにスケーラブルな運動力学的A*検索を使用して、変形ダイナミクスをパス生成に組み込む形状適応軌道プランナーを紹介します。
バックエンドの時空間最適化は、形状変形を組み込む最適な滑らかな軌跡を生成することができます。
さらに、外力とトルク障害を補う強化された制御戦略を提案し、以前の研究と比較して軌跡追跡エラーの37.3％の減少を達成します。
私たちのアプローチは、シミュレーションと現実世界の実験を通じて検証され、狭いギャップのトラバーサルおよびマルチモーダルの変形可能なタスクにおけるその有効性を示しています。

要約(オリジナル)

Drones have become essential in various applications, but conventional quadrotors face limitations in confined spaces and complex tasks. Deformable drones, which can adapt their shape in real-time, offer a promising solution to overcome these challenges, while also enhancing maneuverability and enabling novel tasks like object grasping. This paper presents a novel approach to autonomous motion planning and control for deformable quadrotors. We introduce a shape-adaptive trajectory planner that incorporates deformation dynamics into path generation, using a scalable kinodynamic A* search to handle deformation parameters in complex environments. The backend spatio-temporal optimization is capable of generating optimally smooth trajectories that incorporate shape deformation. Additionally, we propose an enhanced control strategy that compensates for external forces and torque disturbances, achieving a 37.3\% reduction in trajectory tracking error compared to our previous work. Our approach is validated through simulations and real-world experiments, demonstrating its effectiveness in narrow-gap traversal and multi-modal deformable tasks.

arxiv情報

著者 Yuze Wu,Zhichao Han,Xuankang Wu,Yuan Zhou,Junjie Wang,Zheng Fang,Fei Gao
発行日 2025-05-21 01:29:29+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.RO | Shape-Adaptive Planning and Control for a Deformable Quadrotor はコメントを受け付けていません

Reachable Sets-based Trajectory Planning Combining Reinforcement Learning and iLQR

投稿日: 2025年5月22日 作成者: jarxiv

要約

運転リスクフィールドは、より複雑な運転シナリオに適用され、複雑な環境での安全性の意思決定とアクティブな車両制御のための新しいアプローチを提供します。
ただし、既存の研究では、運転リスクの分野を見落としていることが多く、運転可能な領域内のリスク分布の影響を軌道計画に及ぼす影響を考慮していません。これは、安全性を高めるための課題をもたらします。
このペーパーでは、軌道計画の安全性をさらに向上させるためのリスクに到達可能なセットに基づいて、インテリジェント車の軌跡計画方法を提案します。
まず、運転リスクフィールドを組み込んだ到達可能なセットを構築して、運転可能な領域での潜在的なリスクをより正確に評価および回避します。
次に、最初の軌道は安全な補強学習に基づいて生成され、到達可能なセットに投影されます。
最後に、制約された反復的な二次レギュレーターに基づいて軌道計画方法を導入して、初期ソリューションを最適化し、計画された軌道が最適な快適性、安全性、効率を達成するようにします。
高速車線を変えるシナリオで軌道計画のシミュレーションテストを実施します。
結果は、提案された方法が軌道の快適さと駆動効率を保証できることを示しています。これは、生成された軌道が高リスクの境界の外側に位置し、それによって動作中の車両の安全性を確保することを示しています。

要約(オリジナル)

The driving risk field is applicable to more complex driving scenarios, providing new approaches for safety decision-making and active vehicle control in intricate environments. However, existing research often overlooks the driving risk field and fails to consider the impact of risk distribution within drivable areas on trajectory planning, which poses challenges for enhancing safety. This paper proposes a trajectory planning method for intelligent vehicles based on the risk reachable set to further improve the safety of trajectory planning. First, we construct the reachable set incorporating the driving risk field to more accurately assess and avoid potential risks in drivable areas. Then, the initial trajectory is generated based on safe reinforcement learning and projected onto the reachable set. Finally, we introduce a trajectory planning method based on a constrained iterative quadratic regulator to optimize the initial solution, ensuring that the planned trajectory achieves optimal comfort, safety, and efficiency. We conduct simulation tests of trajectory planning in high-speed lane-changing scenarios. The results indicate that the proposed method can guarantee trajectory comfort and driving efficiency, with the generated trajectory situated outside high-risk boundaries, thereby ensuring vehicle safety during operation.

arxiv情報

著者 Wenjie Huang,Yang Li,Shijie Yuan,Jingjia Teng,Hongmao Qin,Yougang Bian
発行日 2025-05-21 02:25:54+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.RO, cs.SY, eess.SY | Reachable Sets-based Trajectory Planning Combining Reinforcement Learning and iLQR はコメントを受け付けていません

FaVoR: Features via Voxel Rendering for Camera Relocalization

投稿日: 2025年5月22日 作成者: jarxiv

要約

カメラの再局在化方法は、密な画像アライメントからクエリ画像からの直接カメラの回帰までの範囲です。
これらの中で、スパース機能のマッチングは、多数のアプリケーションを使用した効率的で、多用途で、一般的に軽量なアプローチとして際立っています。
ただし、機能ベースの方法は、多くの場合、重要な視点や外観の変化に苦しみ、障害と不正確なポーズ推定値に沿っています。
この制限を克服するために、2D機能のグローバルにまばらでありながら局所的に密な3D表現を活用する新しいアプローチを提案します。
一連のフレームでランドマークを追跡および三角測量することにより、追跡中に観察される画像パッチ記述子をレンダリングするように最適化されたスパースボクセルマップを構築します。
最初のポーズ推定値があると、最初にボクセルの記述子をボクセルレンダリングを使用して合成し、次にカメラポーズを推定するためにフィーチャマッチングを実行します。
この方法論により、目に見えないビュー用の記述子の生成が可能になり、変化を表示するための堅牢性が向上します。
7型およびケンブリッジランドマークデータセットに関する方法を広範囲に評価します。
私たちの結果は、我々の方法が屋内環境で既存の最先端の機能表現技術を大幅に上回り、翻訳の中央値が最大39％改善することを示しています。
さらに、私たちのアプローチは、メモリと計算コストの低下を維持しながら、屋外シナリオの他の方法に匹敵する結果をもたらします。

要約(オリジナル)

Camera relocalization methods range from dense image alignment to direct camera pose regression from a query image. Among these, sparse feature matching stands out as an efficient, versatile, and generally lightweight approach with numerous applications. However, feature-based methods often struggle with significant viewpoint and appearance changes, leading to matching failures and inaccurate pose estimates. To overcome this limitation, we propose a novel approach that leverages a globally sparse yet locally dense 3D representation of 2D features. By tracking and triangulating landmarks over a sequence of frames, we construct a sparse voxel map optimized to render image patch descriptors observed during tracking. Given an initial pose estimate, we first synthesize descriptors from the voxels using volumetric rendering and then perform feature matching to estimate the camera pose. This methodology enables the generation of descriptors for unseen views, enhancing robustness to view changes. We extensively evaluate our method on the 7-Scenes and Cambridge Landmarks datasets. Our results show that our method significantly outperforms existing state-of-the-art feature representation techniques in indoor environments, achieving up to a 39% improvement in median translation error. Additionally, our approach yields comparable results to other methods for outdoor scenarios while maintaining lower memory and computational costs.

arxiv情報

著者 Vincenzo Polizzi,Marco Cannici,Davide Scaramuzza,Jonathan Kelly
発行日 2025-05-21 02:39:25+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.CV, cs.RO | FaVoR: Features via Voxel Rendering for Camera Relocalization はコメントを受け付けていません

Toward Task Capable Active Matter: Learning to Avoid Clogging in Confined Collectives via Collisions

投稿日: 2025年5月22日 作成者: jarxiv

要約

トンネルとチャンバーで構成される巣を構築する社会生物は、必然的に閉じ込められた混雑した状態をナビゲートします。
流体力学的および統計的現象が支配する鳥の群れや昆虫の群れなどの低密度の集団とは異なり、高密度集団の詰まり行動を理解するためには、メガネと超冷却液の物理学が重要です。
私たちの以前の研究では、閉じ込められたトンネルに流れる火アリが、不平等なワークロード分布、自発的方向の反転、および詰まりと詰まりを緩和し、したがって機能的な流れを維持するための限られた相互作用時間などの多様な行動を利用することを明らかにしました。
小さなロボ物理学の群れでの同様のルールの実装は、詰まりとクラスターの自発的な溶解を通じて高性能につながりました。
しかし、昆虫がそのような行動をどのように学ぶか、そして私たちがそのようなレジームで「タスクに対応する」アクティブな物質を開発する方法は、相互作用のダイナミクスがローカルで時間のかかる衝突によって支配され、単一のエージェントが集合全体を導くことができないため、一部は課題のままです。
ここでは、効果的な流れと詰まり緩和が地元の学習を通じて純粋に現れる可能性があると仮定しました。
私たちは、狭いトンネルでペレットの掘削を伴うロボットの小さなグループに任務を負い、時間の経過とともに反転確率を変更できるようにしました。
当初、ロボットには平等な確率があり、詰まりが一般的でした。
反転によりフローが改善されました。
衝突と騒々しいトンネルの長さの推定を介して逆転確率が適合すると、ワークロードの不平等とパフォーマンスが向上しました。
掘削群のロボディジカル研究は、タスクの複雑さと難しさがあると思われるにもかかわらず、単純な学習ルールがタスクに対応できる密な活性物質で避けられない機能を緩和または活用し、密集した生物学的およびロボット群の仮説につながることを示しています。

要約(オリジナル)

Social organisms which construct nests consisting of tunnels and chambers necessarily navigate confined and crowded conditions. Unlike low-density collectives like bird flocks and insect swarms, in which hydrodynamic and statistical phenomena dominate, the physics of glasses and supercooled fluids is important to understand clogging behaviors in high-density collectives. Our previous work revealed that fire ants flowing in confined tunnels utilize diverse behaviors like unequal workload distributions, spontaneous direction reversals, and limited interaction times to mitigate clogging and jamming and thus maintain functional flow; implementation of similar rules in a small robophysical swarm led to high performance through spontaneous dissolution of clogs and clusters. However, how the insects learn such behaviors, and how we can develop ‘task capable’ active matter in such regimes, remains a challenge in part because interaction dynamics are dominated by local, time-consuming collisions and no single agent can guide the entire collective. Here, we hypothesized that effective flow and clog mitigation could emerge purely through local learning. We tasked small groups of robots with pellet excavation in a narrow tunnel, allowing them to modify reversal probabilities over time. Initially, robots had equal probabilities and clogs were common. Reversals improved flow. When reversal probabilities adapted via collisions and noisy tunnel length estimates, workload inequality and performance improved. Our robophysical study of an excavating swarm shows that, despite the seeming complexity and difficulty of the task, simple learning rules can mitigate or leverage unavoidable features in task-capable dense active matter, leading to hypotheses for dense biological and robotic swarms.

arxiv情報

著者 Kehinde O. Aina,Ram Avinery,Hui-Shun Kuan,Meredith D. Betterton,Michael A. D. Goodisman,Daniel I. Goldman
発行日 2025-05-21 02:42:32+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.AI, cs.MA, cs.RO | Toward Task Capable Active Matter: Learning to Avoid Clogging in Confined Collectives via Collisions はコメントを受け付けていません

Fault-Tolerant Multi-Robot Coordination with Limited Sensing within Confined Environments

投稿日: 2025年5月22日 作成者: jarxiv

要約

ロボットは、共有ワークスペースとリソース内のタスクでコラボレーションするためにますます展開されているため、個々のロボットの障害はグループのパフォーマンスに重大な影響を与える可能性があります。
この問題は、ロボットがグローバルな情報や直接的なコミュニケーションを欠いている場合、特に困難です。
この研究では、特に限られたセンシングと空間閉じ込めの条件下で、マルチロボットシステムでの物理的接触相互作用を活用する新しい断層耐性手法を提案します。
「アクティブコンタクト応答」（ACR）メソッドを導入します。各ロボットは、動作不能な（誤った）ロボットに遭遇する可能性に基づいて動作を変調します。
アクティブロボットは、妨害を減らし、最適なグループ機能を維持するために、静止した故障したピアを集合的に再配置することができます。
まとまりのあるモデルペレットを掘り出したコンタクトセンシングおよび衝突トレランス機能を備えた自律ロボットのチームにアルゴリズムを実装します。
実験結果は、ACR法がロボット障害からのシステムの回復時間を大幅に改善し、パフォーマンスの低下で継続的な集団発掘を可能にすることを示しています。
したがって、この作業は、制約された極端な環境で動作するマルチロボットシステムの断層許容度と調整を強化するために、ローカル、ソーシャル、および物理的相互作用を活用する可能性を示しています。

要約(オリジナル)

As robots are increasingly deployed to collaborate on tasks within shared workspaces and resources, the failure of an individual robot can critically affect the group’s performance. This issue is particularly challenging when robots lack global information or direct communication, relying instead on social interaction for coordination and to complete their tasks. In this study, we propose a novel fault-tolerance technique leveraging physical contact interactions in multi-robot systems, specifically under conditions of limited sensing and spatial confinement. We introduce the ‘Active Contact Response’ (ACR) method, where each robot modulates its behavior based on the likelihood of encountering an inoperative (faulty) robot. Active robots are capable of collectively repositioning stationary and faulty peers to reduce obstructions and maintain optimal group functionality. We implement our algorithm in a team of autonomous robots, equipped with contact-sensing and collision-tolerance capabilities, tasked with collectively excavating cohesive model pellets. Experimental results indicate that the ACR method significantly improves the system’s recovery time from robot failures, enabling continued collective excavation with minimal performance degradation. Thus, this work demonstrates the potential of leveraging local, social, and physical interactions to enhance fault tolerance and coordination in multi-robot systems operating in constrained and extreme environments.

arxiv情報

著者 Kehinde O. Aina,Hosain Bagheri,Daniel I. Goldman
発行日 2025-05-21 02:43:36+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.AI, cs.MA, cs.RO | Fault-Tolerant Multi-Robot Coordination with Limited Sensing within Confined Environments はコメントを受け付けていません

MoE-Loco: Mixture of Experts for Multitask Locomotion

投稿日: 2025年5月22日 作成者: jarxiv

要約

脚のロボットのマルチタスク移動のための専門家（MOE）フレームワークの混合物であるMoe-Locoを提示します。
私たちの方法により、1つのポリシーが、四葉植と二足歩行の歩行をサポートしながら、バー、ピット、階段、斜面、バッフルなどの多様な地形を処理できます。
MOEを使用して、マルチタスク補強学習で通常発生する勾配競合を緩和し、トレーニングの効率とパフォーマンスの両方を改善します。
私たちの実験は、さまざまな専門家が自然に異なる移動行動を専門とすることを示しており、タスクの移行とスキル構成に活用できることを示しています。
さらに、シミュレーションと現実世界の展開の両方でアプローチを検証し、その堅牢性と適応性を紹介します。

要約(オリジナル)

We present MoE-Loco, a Mixture of Experts (MoE) framework for multitask locomotion for legged robots. Our method enables a single policy to handle diverse terrains, including bars, pits, stairs, slopes, and baffles, while supporting quadrupedal and bipedal gaits. Using MoE, we mitigate the gradient conflicts that typically arise in multitask reinforcement learning, improving both training efficiency and performance. Our experiments demonstrate that different experts naturally specialize in distinct locomotion behaviors, which can be leveraged for task migration and skill composition. We further validate our approach in both simulation and real-world deployment, showcasing its robustness and adaptability.

arxiv情報

著者 Runhan Huang,Shaoting Zhu,Yilun Du,Hang Zhao
発行日 2025-05-21 02:51:53+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.AI, cs.RO | MoE-Loco: Mixture of Experts for Multitask Locomotion はコメントを受け付けていません

Histo-Planner: A Real-time Local Planner for MAVs Teleoperation based on Histogram of Obstacle Distribution

投稿日: 2025年5月22日 作成者: jarxiv

要約

このペーパーでは、マイクロ航空車両（MAV）のリアルタイム障害回避に関するものです。
計算能力が限られている散らかった環境での遠隔操作アプリケーションに動機付けられているため、障害物のグローバルマップの知識や構築を必要としないローカルプランナーを提案します。
提案されたソリューションは、障害物分布のヒストグラムに依存するリアルタイム軌道計画アルゴリズムと、MAVの周りの障害物の位置に応じて異なる計画モードをトリガーするプランナーマネージャーで構成されています。
提案されたソリューションは、シミュレーションと屋内実験の両方を使用して、テレオ操作アプリケーションのために検証されています。
設計されたシミュレーションプラットフォームに基づくベンチマーク比較も提供されます。

要約(オリジナル)

This paper concerns real-time obstacle avoidance for micro aerial vehicles (MAVs). Motivated by teleoperation applications in cluttered environments with limited computational power, we propose a local planner that does not require the knowledge or construction of a global map of the obstacles. The proposed solution consists of a real-time trajectory planning algorithm that relies on the histogram of obstacle distribution and a planner manager that triggers different planning modes depending on obstacles location around the MAV. The proposed solution is validated, for a teleoperation application, with both simulations and indoor experiments. Benchmark comparisons based on a designed simulation platform are also provided.

arxiv情報

著者 Ze Wang,Zhenyu Gao,Jingang Qu,Pascal Morin
発行日 2025-05-21 02:53:12+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.RO | Histo-Planner: A Real-time Local Planner for MAVs Teleoperation based on Histogram of Obstacle Distribution はコメントを受け付けていません

Learning-based Airflow Inertial Odometry for MAVs using Thermal Anemometers in a GPS and vision denied environment

投稿日: 2025年5月22日 作成者: jarxiv

要約

この作業は、熱風速計、IMU、ESC、気圧計を含むマルチセンサーデータ融合を備えた気流慣性型臭気システムを示しています。
低コストのIMUSとバロメーターには重大なバイアスがあり、風速計の測定値はスピニングプロペラや地上効果からの干渉を受けやすいため、この目標は困難です。
GRUベースのディープニューラルネットワークを採用して、ノイズの乱れた性質計の測定から相対的な空気速度を推定し、バイアスモデルを備えたオブザーバーはセンサーデータを融合し、航空機の状態を推定します。
離陸や地面への着陸を含む完全なフライトデータは、このアプローチがプロペラと地上効果によって引き起こされるダウンウォッシュ誘発風速を切り離し、風のない屋内環境での飛行速度を正確に推定できることを示しています。
IMU、およびバロメーターのバイアスが効果的に推定されているため、203Sマニュアルランダムフライトではわずか5.7mである位置統合ドリフトが大幅に減少します。
オープンソースは、https：//github.com/syroco-isir/flight-speed-estimation-airflowで入手できます。

要約(オリジナル)

This work demonstrates an airflow inertial based odometry system with multi-sensor data fusion, including thermal anemometer, IMU, ESC, and barometer. This goal is challenging because low-cost IMUs and barometers have significant bias, and anemometer measurements are very susceptible to interference from spinning propellers and ground effects. We employ a GRU-based deep neural network to estimate relative air speed from noisy and disturbed anemometer measurements, and an observer with bias model to fuse the sensor data and thus estimate the state of aerial vehicle. A complete flight data, including takeoff and landing on the ground, shows that the approach is able to decouple the downwash induced wind speed caused by propellers and the ground effect, and accurately estimate the flight speed in a wind-free indoor environment. IMU, and barometer bias are effectively estimated, which significantly reduces the position integration drift, which is only 5.7m for 203s manual random flight. The open source is available on https://github.com/SyRoCo-ISIR/Flight-Speed-Estimation-Airflow.

arxiv情報

著者 Ze Wang,Jingang Qu,Zhenyu Gao,Pascal Morin
発行日 2025-05-21 02:53:49+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.AI, cs.LG, cs.RO | Learning-based Airflow Inertial Odometry for MAVs using Thermal Anemometers in a GPS and vision denied environment はコメントを受け付けていません

Learning Novel Skills from Language-Generated Demonstrations

投稿日: 2025年5月22日 作成者: jarxiv

要約

ロボットは、新しいスキルを必要とするタスクに取り組むために、多様なドメイン全体にますます展開されています。
ただし、新しいスキルを獲得するための現在のロボット学習アルゴリズムは、しばしばデモデータセットや環境の相互作用に依存しているため、人件費や潜在的な安全リスクが高くなります。
これらの課題に対処するために、この研究は、ロボットが自然言語の指示から新しいスキルを習得できるようにするスキル学習のフレームワークであるデモゲンを提案しています。
デモゲンは、ビジョン言語モデルとビデオ拡散モデルを活用して、斬新なスキルのデモビデオを生成し、ロボットが新しいスキルを効果的に学習できるようにします。
Metaworldシミュレーション環境での実験的評価は、高忠実度と信頼できるデモを生成するパイプラインの能力を示しています。
生成されたデモンストレーションを使用して、さまざまなスキル学習アルゴリズムが、新しいタスクのオリジナルの3倍の達成率を達成します。
これらの結果は、ロボット学習への新しいアプローチを強調し、新しいロボットスキルの直感的でインテリジェントな獲得の基盤を提供します。
（プロジェクトWebサイト：https：//aoqunjin.github.io/lnslgd/）

要約(オリジナル)

Robots are increasingly deployed across diverse domains to tackle tasks requiring novel skills. However, current robot learning algorithms for acquiring novel skills often rely on demonstration datasets or environment interactions, resulting in high labor costs and potential safety risks. To address these challenges, this study proposes DemoGen, a skill-learning framework that enables robots to acquire novel skills from natural language instructions. DemoGen leverages the vision-language model and the video diffusion model to generate demonstration videos of novel skills, which enabling robots to learn new skills effectively. Experimental evaluations in the MetaWorld simulation environments demonstrate the pipeline’s capability to generate high-fidelity and reliable demonstrations. Using the generated demonstrations, various skill learning algorithms achieve an accomplishment rate three times the original on novel tasks. These results highlight a novel approach to robot learning, offering a foundation for the intuitive and intelligent acquisition of novel robotic skills. (Project website: https://aoqunjin.github.io/LNSLGD/)

arxiv情報

著者 Ao-Qun Jin,Tian-Yu Xiang,Xiao-Hu Zhou,Mei-Jiang Gui,Xiao-Liang Xie,Shi-Qi Liu,Shuang-Yi Wang,Yue Cao,Sheng-Bin Duan,Fu-Chao Xie,Zeng-Guang Hou
発行日 2025-05-21 03:15:25+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.AI, cs.LG, cs.RO | Learning Novel Skills from Language-Generated Demonstrations はコメントを受け付けていません

Design of a 3-DOF Hopping Robot with an Optimized Gearbox: An Intermediate Platform Toward Bipedal Robots

投稿日: 2025年5月22日 作成者: jarxiv

要約

このペーパーでは、人間のような下肢のジョイント構成と、ダイナミックで反復的なジャンプモーションを実行できる平らな足を備えた3DOFホッピングロボットを紹介します。
効率的なケーブルルーティングのために、高トルク出力と大きな中空シャフト直径の両方を実現するために、ギア歯の最適化のために混合整数非線形プログラミングを使用して、コンパクトな3Kコンパウンドプラネタリーギアボックスを設計しました。
制約されたジョイントジオメトリ内のパフォーマンス要件を満たすために、アクチュエーター、モータードライバー、および通信インターフェイスを含むすべての主要なコンポーネントがカスタム設計されています。
ロボットの重量は12.45 kg、ダミー質量を含む、膝関節が完全に伸びているときに長さ840 mmです。
強化学習ベースのコントローラーが採用され、ロボットのパフォーマンスはハードウェア実験を通じて検証され、ユーザーの入力に応じて安定した繰り返しホッピングモーションを実証しました。
これらの実験結果は、プラットフォームが将来の二足歩行ロボット開発の強固な基盤として機能することを示しています。

要約(オリジナル)

This paper presents a 3-DOF hopping robot with a human-like lower-limb joint configuration and a flat foot, capable of performing dynamic and repetitive jumping motions. To achieve both high torque output and a large hollow shaft diameter for efficient cable routing, a compact 3K compound planetary gearbox was designed using mixed-integer nonlinear programming for gear tooth optimization. To meet performance requirements within the constrained joint geometry, all major components-including the actuator, motor driver, and communication interface-were custom-designed. The robot weighs 12.45 kg, including a dummy mass, and measures 840 mm in length when the knee joint is fully extended. A reinforcement learning-based controller was employed, and robot’s performance was validated through hardware experiments, demonstrating stable and repetitive hopping motions in response to user inputs. These experimental results indicate that the platform serves as a solid foundation for future bipedal robot development.

arxiv情報

著者 JongHun Choe,Gijeong Kim,Hajun Kim,Dongyun Kang,Min-Su Kim,Hae-Won Park
発行日 2025-05-21 03:49:53+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.RO | Design of a 3-DOF Hopping Robot with an Optimized Gearbox: An Intermediate Platform Toward Bipedal Robots はコメントを受け付けていません