日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

軌道追従/油圧ショベル/モデルベース学習arXiv:2509.17387

閉ループダイナミクスに基づく油圧ショベルの高精度・高効率軌道追従

High-Precision and High-Efficiency Trajectory Tracking for Excavators Based on Closed-Loop Dynamics

シェア:XThreadsFacebookLINEはてブBluesky

油圧ショベルの非線形ダイナミクスに対処するため、モデルベース学習と閉ループダイナミクスを組み合わせた軌道追従手法EfficientTrackを提案し、シミュレーションと実機で高精度・高効率を実証した。

詳しい要約

1. どんなもの?

- 油圧ショベルの軌道追従を高精度・高効率で実現する手法「EfficientTrack」を提案した研究。 - モデルベース学習と閉ループダイナミクスを統合し、非線形ダイナミクス(時間遅れや制御結合)に対処する。 - シミュレーションと実機の両方で有効性を検証している。

2. 先行研究と比べてどこがすごい?

- 従来の制御手法は非線形性を効果的に扱えず、学習ベース手法は環境との相互作用が多く非効率という課題があった。 - 提案手法はシミュレーション比較で既存の学習ベース手法より最高の追従精度と滑らかさを最少の相互作用で達成。 - 実機でも負荷条件下で有効性を示し、継続学習能力も持つ点が優れている。

3. 技術・手法の肝は?

- モデルベース学習を統合し、非線形ダイナミクスを管理する。 - 閉ループダイナミクスを活用して学習効率を向上させ、追従誤差を最小化する。 - 具体的なアルゴリズムやネットワーク構造は要旨からは不明。

4. どうやって有効だと検証した?

- シミュレーションと実機のショベルで包括的な実験を実施。 - シミュレーションでは既存の学習ベース手法と比較し、追従精度・滑らかさ・相互作用回数で優位性を確認。 - 実機では負荷条件下での有効性と継続学習能力を検証。

5. 議論はある?

- 実機実験で負荷条件下でも有効性を確認し、継続学習能力があることを示した。 - 具体的な限界や課題、議論の詳細は要旨からは不明。

6. 次に読むべき論文は?

- 要旨で参照/比較されている研究は明示されていない。 - 関連手法として、モデルベース学習、学習ベース制御、油圧ショベルの軌道追従に関する研究が挙げられる。 - 具体的な論文名は要旨からは不明。

※ 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: Ziqing Zou, Cong Wang, Yue Hu, Xiao Liu, Bowen Xu, Rong Xiong, Changjie Fan, Yingfeng Chen, Yue Wang

分類: cs.RO

原文アブストラクト

The complex nonlinear dynamics of hydraulic excavators, such as time delays and control coupling, pose significant challenges to achieving high-precision trajectory tracking. Traditional control methods often fall short in such applications due to their inability to effectively handle these nonlinearities, while commonly used learning-based methods require extensive interactions with the environment, leading to inefficiency. To address these issues, we introduce EfficientTrack, a trajectory tracking method that integrates model-based learning to manage nonlinear dynamics and leverages closed-loop dynamics to improve learning efficiency, ultimately minimizing tracking errors. We validate our method through comprehensive experiments both in simulation and on a real-world excavator. Comparative experiments in simulation demonstrate that our method outperforms existing learning-based approaches, achieving the highest tracking precision and smoothness with the fewest interactions. Real-world experiments further show that our method remains effective under load conditions and possesses the ability for continual learning, highlighting its practical applicability. For implementation details and source code, please refer to https://github.com/ZiqingZou/EfficientTrack.

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  3. 3newmoとKDDIが資本業務提携 2028年に堺市で自動運転タクシー商用化目指す提携・買収
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  5. 5UC BerkeleyとNVIDIAの研究者、AIエージェントでロボット制御コードを仮想環境で改善研究・技術

PR・アフィリエイト広告

OZ GAMING(GPU搭載BTOゲーミングPC)

OZ GAMING(GPU搭載BTOゲーミングPC)の公式広告バナーOZ GAMINGで完成品PCを見る ↗
PR本紙発行元 EmplifAI