日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

週刊ニュースレター購読
ロコマニピュレーションarXiv:2609.17832

Adaptive-MHE：移動ホライズン推定を用いた脚式ロコマニピュレーションのためのサンプリングベース適応MPC

Adaptive-MHE : A Sampling-Based Adaptive MPC for Legged Loco-Manipulation via Moving Horizon Estimation

シェア:XThreadsFacebookLINEはてブBluesky

物体や地形の質量・摩擦などの物理パラメータを移動ホライズン推定でオンライン推定し、サンプリングベースMPCと組み合わせることで、未知環境下での脚式ロコマニピュレーションを適応的に実現するフレームワークを提案。

詳しい要約

1. どんなもの？

- 脚式ロボットのloco-manipulationのための適応的な制御フレームワーク。 - 物体や地形の物理パラメータ（質量、摩擦など）をオンラインで推定し、サンプリングベースのMPCと組み合わせる。 - 環境の変化や不確実性に対応し、適応的なloco-manipulationを可能にする。

2. 先行研究と比べてどこがすごい？

- 従来のSys-IDは微分可能なダイナミクスを仮定するが、接触の多い脚式システムには適用困難。 - サンプリングベースSys-IDはその制約を回避するが、オフラインで適用され、環境変化に適応しない。 - 提案手法はオンラインでサンプリングベースSys-IDをMHEに基づいて行い、変化する環境に適応する。

3. 技術・手法の肝は？

- Moving Horizon Estimation (MHE) に基づくオンラインサンプリングベースSys-ID。 - 物体や地形の物理パラメータを推定し、サンプリングベースMPCと結合。 - 並列ロールアウトを利用してシミュレーションと記録された状態軌道を直接マッチング。

4. どうやって有効だと検証した？

- シミュレーションとハードウェア実験で検証。 - ベースラインを一貫して上回り、真のパラメータにアクセスできるコントローラの性能に匹敵。

5. 議論はある？

- 要旨からは不明。

6. 次に読むべき論文は？

- 要旨で参照/比較されている研究：Classical system identification (Sys-ID) methods, Sampling-based Sys-ID, Moving horizon estimation (MHE), Sampling-based model predictive control (MPC)。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Hossein Keshavarz, Alejandro Ramirez-Serrano, Majid Khadiv

分類: cs.RO

原文アブストラクト

Legged robots have demonstrated a remarkable ability to traverse various terrains, yet generating effective loco-manipulation behaviors remains challenging. A key difficulty is that object and terrain parameters are typically unknown to the robot, and mismatches between these parameters and their simulated counterparts introduce a sim-to-real gap that degrades control performance. Classical system identification (Sys-ID) methods often assume differentiable dynamics, an assumption that does not hold for contact-rich legged systems. Sampling-based Sys-ID avoids this restriction by directly matching simulated and recorded state trajectories through massively parallel rollouts, but existing approaches are typically applied offline and do not adapt as environmental conditions change. We present Adaptive-MHE an online sampling-based Sys-ID framework, based on moving horizon estimation (MHE), that estimates the physical parameters of objects and terrain in the environment (e.g., mass, friction) and couples this estimate with a sampling-based model predictive controller, enabling adaptive loco-manipulation in changing and uncertain environments. In simulation and hardware experiments, our framework consistently outperforms baselines and matches the performance of a controller with access to ground-truth parameters.

arXivで原文を読む →arXiv概要ページ

関連論文

← 論文一覧
PR本紙発行元 EmplifAI