論文の概要: Scalable and Probabilistically Complete Planning for Robotic Spatial Extrusion

• arxiv url: http://arxiv.org/abs/2002.02360v1
• Date: Thu, 6 Feb 2020 17:05:55 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-03 12:54:38.078051
• Title: Scalable and Probabilistically Complete Planning for Robotic Spatial Extrusion
• Title（参考訳）: ロボット空間押出しのスケーラブルかつ確率的完全計画
• Authors: Caelan Reed Garrett, Yijiang Huang, Tom\'as Lozano-P\'erez, and Caitlin Tobin Mueller
• Abstract要約: 本稿では,ロボット空間押出計画の厳密な形式化について述べる。 これらの制約は相反することが多いが、剛性認識によって誘導される強欲な状態空間探索は、両方の制約のバランスをとることができることを示す。
• 参考スコア（独自算出の注目度）: 0.755972004983746
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: There is increasing demand for automated systems that can fabricate 3D structures. Robotic spatial extrusion has become an attractive alternative to traditional layer-based 3D printing due to a manipulator's flexibility to print large, directionally-dependent structures. However, existing extrusion planning algorithms require a substantial amount of human input, do not scale to large instances, and lack theoretical guarantees. In this work, we present a rigorous formalization of robotic spatial extrusion planning and provide several efficient and probabilistically complete planning algorithms. The key planning challenge is, throughout the printing process, satisfying both stiffness constraints that limit the deformation of the structure and geometric constraints that ensure the robot does not collide with the structure. We show that, although these constraints often conflict with each other, a greedy backward state-space search guided by a stiffness-aware heuristic is able to successfully balance both constraints. We empirically compare our methods on a benchmark of over 40 simulated extrusion problems. Finally, we apply our approach to 3 real-world extrusion problems.
• Abstract（参考訳）: 3D構造を構築できる自動化システムへの需要が高まっている。 ロボット空間の押出は、大きな方向依存構造を印刷するマニピュレータの柔軟性のために、従来の3Dプリントに代わる魅力的なものとなっている。 しかし、既存の押出計画アルゴリズムは、かなりの量の人間の入力を必要とし、大規模なインスタンスにスケールせず、理論的保証を欠いている。 本稿では,ロボット空間押出し計画の厳密な形式化と,効率良く,確率的に完全な計画アルゴリズムを提案する。 重要な計画課題は、印刷プロセスを通して、構造体の変形を制限する剛性制約と、ロボットが構造体と衝突しないことを保証する幾何学的制約の両方を満たすことである。 これらの制約は相反することが多いが、強固さを認識できるヒューリスティックによって導かれる欲深い後方状態空間探索は、両方の制約をうまくバランスさせることができる。 提案手法を40以上の押出問題のベンチマークで実証的に比較した。 最後に,実世界の3つの押出問題に適用する。

関連論文リスト

• Flatten Anything: Unsupervised Neural Surface Parameterization [76.4422287292541]
  本研究では,FAM(Flatten Anything Model)を導入し,グローバルな自由境界面パラメータ化を実現する。 従来の手法と比較して,FAMは接続情報を活用することなく,個別の面上で直接動作する。 当社のFAMは前処理を必要とせずに完全に自動化されており,高度に複雑なトポロジを扱うことができる。
  論文  参考訳（メタデータ） (2024-05-23T14:39:52Z)
• RoboScript: Code Generation for Free-Form Manipulation Tasks across Real and Simulation [77.41969287400977]
  本稿では,コード生成を利用したデプロイ可能なロボット操作パイプラインのためのプラットフォームである textbfRobotScript を提案する。 自由形自然言語におけるロボット操作タスクのためのコード生成ベンチマークも提案する。 我々は,Franka と UR5 のロボットアームを含む,複数のロボットエボディメントにまたがるコード生成フレームワークの適応性を実証した。
  論文  参考訳（メタデータ） (2024-02-22T15:12:00Z)
• Fast Kinodynamic Planning on the Constraint Manifold with Deep Neural Networks [29.239926645660823]
  本稿では,制約多様体の概念を利用した新しい学習計画フレームワークを提案する。 我々の手法は任意の制約を満たす計画を生成し、ニューラルネットワークの推論時間という短い一定時間でそれらを計算する。 我々は,2つのシミュレートされたタスクと,ロボット・エアホッケーにおける打撃動作を実行するために,クカ・LBRIiwa 14ロボットアームを用いた実世界のシナリオに対して,我々のアプローチを検証した。
  論文  参考訳（メタデータ） (2023-01-11T06:54:11Z)
• Planning with Spatial-Temporal Abstraction from Point Clouds for Deformable Object Manipulation [64.00292856805865]
  空間抽象と時間抽象の両方を組み込んだ空間抽象型PlAnning(PASTA)を提案する。 我々のフレームワークは,高次元の3次元観測を潜時ベクトルの集合にマッピングし,潜時集合表現の上のスキルシーケンスを計画する。 本手法は,実世界のオブジェクト操作を効果的に行うことができることを示す。
  論文  参考訳（メタデータ） (2022-10-27T19:57:04Z)
• Graph-based Reinforcement Learning meets Mixed Integer Programs: An application to 3D robot assembly discovery [34.25379651790627]
  我々は、テトリスのような構造ブロックとロボットマニピュレータを用いて、スクラッチから完全に定義済みの任意のターゲット構造を構築するという課題に対処する。 我々の新しい階層的アプローチは、タスク全体を相互に利益をもたらす3つの実行可能なレベルに効率的に分解することを目的としています。
  論文  参考訳（メタデータ） (2022-03-08T14:44:51Z)
• Large Scale Distributed Collaborative Unlabeled Motion Planning with Graph Policy Gradients [122.85280150421175]
  本研究では,運動制約と空間制約を多数のロボットに対して2次元空間で解くための学習法を提案する。 ロボットのポリシーをパラメータ化するためにグラフニューラルネットワーク(GNN)を用いる。
  論文  参考訳（メタデータ） (2021-02-11T21:57:43Z)
• Learning Constrained Distributions of Robot Configurations with Generative Adversarial Network [15.962033896896385]
  高次元ロボットシステムでは、有効な構成空間の多様体はしばしば複素形状を持つ。 このような制約下で有効なロボット構成の分布を学習するための生成的敵ネットワークアプローチを提案する。
  論文  参考訳（メタデータ） (2020-11-11T11:43:54Z)
• First Steps: Latent-Space Control with Semantic Constraints for Quadruped Locomotion [73.37945453998134]
  従来の四重化制御のアプローチでは、単純化された手作りのモデルが採用されている。 これにより、有効な運動範囲が縮小されているため、ロボットの能力が大幅に低下する。 この研究において、これらの課題は、構造化潜在空間における最適化として四重化制御をフレーミングすることによって解決される。 深い生成モデルは、実現可能な関節構成の統計的表現を捉え、一方、複雑な動的および終端的制約は高レベルな意味的指標によって表現される。 実世界とシミュレーションの両方で最適化された移動軌跡の実現可能性を検証する。
  論文  参考訳（メタデータ） (2020-07-03T07:04:18Z)
• An Integer Linear Programming Framework for Mining Constraints from Data [81.60135973848125]
  データから制約をマイニングするための一般的なフレームワークを提案する。 特に、構造化された出力予測の推論を整数線形プログラミング(ILP)問題とみなす。 提案手法は,9×9のスドクパズルの解法を学習し,基礎となるルールを提供することなく,例からツリー問題を最小限に分散させることが可能であることを示す。
  論文  参考訳（メタデータ） (2020-06-18T20:09:53Z)
• Combinatorics of a Discrete Trajectory Space for Robot Motion Planning [4.477410849696538]
  問題の複雑さは ロボットの構成空間の次元と直接関係している 本稿では,ロボットの基本ハードウェア仕様に基づく離散ロボットモデルを提案する。
  論文  参考訳（メタデータ） (2020-05-25T12:14:20Z)
• Diversity-based Design Assist for Large Legged Robots [4.505477982701834]
  高さ約2mの大型脚ロボットの設計空間を探索するが、その設計と構造はよく研究されていない。 新たなロボットエンコーディングにより、足が体の長さに沿ってスケーリングするなど、バイオインスパイアされた特徴を実現できる。
  論文  参考訳（メタデータ） (2020-04-17T03:59:17Z)

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。