robot Trend Report
Dashboard へ戻る
3
High impact
5
Mid impact
0
Signal watch
なぜこのサイトを作ったのか
私たちそれぞれが個別にAIを使って情報収集し、同じような3行要約を作るたびに、世界中で膨大な電力と計算リソースが消費されています。 本プロジェクトは、あらかじめ広範な情報を取得・集約しておくことで、個別のAI実行回数を減らし、地球環境（GPU/TPU負荷）に配慮した効率的な情報収集を目指す実験的なダッシュボードです。
Zennの「robotics」のフィード
Isaac Lab で四足を歩かせるまでに踏んだ罠は、全部1つの構造から落ちてきた
・解説記事のとおりに打った最初のコマンドで、環境が壊れた。しかも厄介なことに、そのコマンドは「失敗しました」と表示してから壊していった。失敗したのだから何も起きていないはずだ、と思って先に進んだせいで、原因の特定に一番時間を溶かした。
・四足ロボットを強化学習で歩かせる、という一日の記録です。結論から言うと歩きました。47分の学習で、でこぼこの地形をちゃんと歩いた。
・踏んだ罠は個別には6件ですが、そのほとんどはたった1つの構造から派生しています。構造のほうを知っていれば、次にバージョンが上がったときに何を踏むか予測できます。
Zennの「robotics」のフィード
Isaac Lab で四足歩行の学習を動かすまでの手順（2026-08 版・Windows）
・Isaac Lab v2.3.2 で四足ロボット（Anymal-D）の強化学習を動かすまでの手順です。Windows ネイティブで動きます（WSL2 は不要）。
・公式の pip インストール手順どおりに進めると途中で環境が壊れます。この記事はその回避も含めた実行手順だけを書いています。なぜそうなるのかは別記事にまとめました。
・🔍 なぜこの手順が必要なのか → Isaac Lab で四足を歩かせるまでに踏んだ罠は、全部1つの構造から落ちてきた 前提 次の環境を用意してください。
#roboticsタグ
No.074 | Robot Fingers: The Physics of Vacuum Gripping
・A factory robot lifts a thin plate or wafer and carries it through the production line.
・The motion can look almost effortless, as though the workpiece were being pulled upward by an invisible force.
・That is not quite what happens.
Zennの「robotics」のフィード
【フィジカルAIをPCで学ぶ #1】古典制御20/20、PPO 1/20――MuJoCoで学習の役割を探す
・フィジカルAIが注目されている。しかし、ロボットを動かすだけなら古典制御でもできる。それに対して、学習ベースの制御は何がすごいのか。
・この疑問を自分のPCで確かめるため、MuJoCo内に作った仮想的な2関節ロボットアームを使って3つのシミュレーション実験を行った。
・最初は古典的な逆運動学で目標へ到達させ、次に強化学習のPPOへ同じ課題を学習させた。結果は古典制御が20目標すべてに成功したのに対し、PPOは1目標だけだった。少なくともこの課題では、学習を使ったこと自体に「すごさ」は感じられなかった。
Zennの「robotics」のフィード
Gazebo Classic 備忘録
・はじめに Gazebo Classic の基本操作（world起動）と、Force/Torqueセンサの使い方の備忘録。
・※Gazebo Classicは2025年1月にEOL（開発終了）となっており、新規プロジェクトでは後継のGazeboへの移行が推奨されている。
・起動方法 gazebo単体でも起動する、model追加して保存もできる gazebo --verbose # デバッグ用、ログが詳細に出る Worldファイル 壁などの静的オブジェクトだけでなく、ロボット・ライト・センサなどのモデルデータも含めて記述できる。フォーマットはURDFを拡張したSDF(Simu...
Zennの「robotics」のフィード
四足ロボットが一歩も歩かない。犯人は公式の既定設定だった
・不整地に2時間かけて学習させた四足ロボットが、ぎこちなくスタックしながらも一応歩いた。じゃあ簡単な平地ならすぐだろう、と降りてみたら——平地のほうが一歩も動かなかった。
・そこから原因に辿り着くまで、私は3回連続で見立てを外しています。この記事はその記録です。結論だけ先に言うと、犯人は自分のコードではなくIsaac Lab が平地タスクにだけ適用している既定設定でした。直したら、2時間かけた不整地の結果を20分で超えました。
・TL;DR 公式の既定設定が、そのタスクで最良とは限らない。
Zennの「robotics」のフィード
吊り荷Yaw制御システムの開発 #07：3種類の吊り荷で可変目標Yaw制御を試す
・はじめに 前回は、H鋼を対象として可変目標Yaw制御モデルを学習しました。
・最終的に、 -90° ～ +90° 5°刻み 37目標 を1つのモデルで学習する full range 方式を採用し、全37目標で physical_success と quality_success を満たすモデルを得ることができました。今回は、この学習方法を、 HSteel Plate Truss の3種類の吊り荷へ適用します。
・目的は、単に3種類すべてで制御できることを確認するだけではありません。形状や質量の異なる吊り荷に対して同じ学習方法を適用したとき、 学習過程や推論時の制御結果に、どのような違い...
Zennの「robotics」のフィード
吊り荷Yaw制御システムの開発 #08：可変目標Yaw制御の結果
・はじめに 前回は、H鋼、平板、トラスの3種類の吊り荷について、可変目標Yaw制御の学習過程と推論結果を比較しました。
・今回は、これまでの可変目標Yaw制御の結果をまとめ、実際の推論動画から制御動作を確認します。
・本シリーズでは、以下の流れで開発を紹介しています。