論文の概要: Constrained Motion Planning Networks X
- arxiv url: http://arxiv.org/abs/2010.08707v2
- Date: Sat, 3 Jul 2021 22:32:12 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-06 11:39:19.477463
- Title: Constrained Motion Planning Networks X
- Title（参考訳）: 拘束型運動計画ネットワークX
- Authors: Ahmed H. Qureshi, Jiangeng Dong, Asfiya Baig and Michael C. Yip
- Abstract要約: 拘束運動計画ネットワークX(CoMPNetX)について述べる。
これはニューラルプランニングアプローチであり、条件付きディープニューラルジェネレータとニューラルグラデーションベースの高速投射演算子を持つ判別器から構成される。
提案手法は,従来のパスフィニングツールよりも高い成功率と低い時間で経路解を求める。
- 参考スコア（独自算出の注目度）: 15.047777217748889
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Constrained motion planning is a challenging field of research, aiming for
computationally efficient methods that can find a collision-free path on the
constraint manifolds between a given start and goal configuration. These
planning problems come up surprisingly frequently, such as in robot
manipulation for performing daily life assistive tasks. However, few solutions
to constrained motion planning are available, and those that exist struggle
with high computational time complexity in finding a path solution on the
manifolds. To address this challenge, we present Constrained Motion Planning
Networks X (CoMPNetX). It is a neural planning approach, comprising a
conditional deep neural generator and discriminator with neural gradients-based
fast projection operator. We also introduce neural task and scene
representations conditioned on which the CoMPNetX generates implicit manifold
configurations to turbo-charge any underlying classical planner such as
Sampling-based Motion Planning methods for quickly solving complex constrained
planning tasks. We show that our method finds path solutions with high success
rates and lower computation times than state-of-the-art traditional
path-finding tools on various challenging scenarios.
- Abstract（参考訳）: 制約付きモーションプランニングは困難な研究分野であり、与えられた開始と目標設定の間の制約多様体上の衝突のない経路を見つける計算効率の高い方法を目指している。
これらの計画問題は、日常生活支援タスクを行うロボット操作など、驚くほど頻繁に発生する。
しかし、制約された運動計画に対する解はほとんど得られず、その多様体上の経路解を見つけるのに高い計算時間の複雑さに悩まされている。
この課題に対処するため,我々はConstrained Motion Planning Networks X (CoMPNetX)を提案する。
これはニューラルプランニングアプローチであり、条件付きディープニューラルジェネレータとニューラルグラデーションベースの高速投射演算子を持つ判別器から構成される。
また,CMPNetXが暗黙の多様体構成を生成し,複雑な制約のある計画課題を迅速に解くために,サンプリングベースのモーションプランニング手法などの基礎となる古典的プランナーをターボチャージする,ニューラルタスクやシーン表現も導入する。
提案手法は,様々なシナリオにおいて,最先端のパス探索ツールよりも,高い成功率と計算時間の低いパスソリューションを見出すことができる。
関連論文リスト
- Trajectory Manifold Optimization for Fast and Adaptive Kinodynamic Motion Planning [5.982922468400902]
システムが動的に変化する環境に適応するためには、高速なキノダイナミックな運動計画が不可欠である。
本稿では,新しいニューラルネットワークモデル,その微分可能な運動マニフォールドプリミティブ(DMMP)と実践的なトレーニング戦略を提案する。
任意の目標位置への動的投球を行う7-DoFロボットアームを用いた実験により,提案手法が計画速度,タスク成功,制約満足度といった既存手法を超えることを示した。
論文 参考訳（メタデータ） (2024-10-16T03:29:33Z) - A Meta-Engine Framework for Interleaved Task and Motion Planning using Topological Refinements [51.54559117314768]
タスク・アンド・モーション・プランニング(タスク・アンド・モーション・プランニング、TAMP)は、自動化された計画問題の解決策を見つけるための問題である。
本稿では,TAMP問題のモデル化とベンチマークを行うための,汎用的でオープンソースのフレームワークを提案する。
移動エージェントと複数のタスク状態依存障害を含むTAMP問題を解決する革新的なメタ技術を導入する。
論文 参考訳（メタデータ） (2024-08-11T14:57:57Z) - Learning Logic Specifications for Policy Guidance in POMDPs: an
Inductive Logic Programming Approach [57.788675205519986]
我々は任意の解法によって生成されるPOMDP実行から高品質なトレースを学習する。
我々は、データと時間効率のIndu Logic Programming(ILP)を利用して、解釈可能な信念に基づくポリシー仕様を生成する。
ASP(Answer Set Programming)で表現された学習は、ニューラルネットワークよりも優れた性能を示し、より少ない計算時間で最適な手作りタスクに類似していることを示す。
論文 参考訳（メタデータ） (2024-02-29T15:36:01Z) - Unified Task and Motion Planning using Object-centric Abstractions of
Motion Constraints [56.283944756315066]
本稿では,タスクとモーションプランニングを一つの検索に統一するTAMP手法を提案する。
我々のアプローチは、オフザシェルフAIサーチの計算効率を活用して、物理的に実現可能な計画が得られるような、オブジェクト中心の動作制約の抽象化に基づいている。
論文 参考訳（メタデータ） (2023-12-29T14:00:20Z) - Planning as In-Painting: A Diffusion-Based Embodied Task Planning
Framework for Environments under Uncertainty [56.30846158280031]
具体的AIのためのタスクプランニングは、最も難しい問題の1つだ。
In-paintingとしての計画」というタスク非依存の手法を提案する。
提案するフレームワークは,様々な具体的AIタスクにおいて,有望なパフォーマンスを実現する。
論文 参考訳（メタデータ） (2023-12-02T10:07:17Z) - 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) - Simultaneous Contact-Rich Grasping and Locomotion via Distributed
Optimization Enabling Free-Climbing for Multi-Limbed Robots [60.06216976204385]
移動, 把握, 接触問題を同時に解くための効率的な運動計画フレームワークを提案する。
ハードウェア実験において提案手法を実証し, より短い計画時間で, 傾斜角45degで自由クライミングを含む様々な動作を実現できることを示す。
論文 参考訳（メタデータ） (2022-07-04T13:52:10Z) - Anytime Stochastic Task and Motion Policies [12.72186877599064]
本稿では,タスクと動作計画を統合するための新しい手法を提案する。
我々のアルゴリズムは確率論的に完全であり、いつでも実現可能な解ポリシーを計算できる。
論文 参考訳（メタデータ） (2021-08-28T00:23:39Z) - MPC-MPNet: Model-Predictive Motion Planning Networks for Fast,
Near-Optimal Planning under Kinodynamic Constraints [15.608546987158613]
Kinodynamic Motion Planning (KMP) は、ロボットの動きを同時に運動学や力学の制約を受ける計算である。
ほぼ最適経路の解を求める,スケーラブルで模倣可能なモデル予測型運動計画ネットワークフレームワークを提案する。
提案アルゴリズムは, 時間, 経路特性, 既存手法に対する成功率の大幅な改善を示す結果から, 乱雑な, キノダイナミックに制約された, 不安定な計画上の問題に対して評価を行う。
論文 参考訳（メタデータ） (2021-01-17T23:07:04Z) - Neural Manipulation Planning on Constraint Manifolds [13.774614900994342]
マルチモーダルキネマティック制約に対する最初のニューラルプランナーであるConstrained Motion Planning Networks (CoMPNet)を提案する。
我々は,制約のない問題と制約のない問題の両方を含む実用的な動作計画タスクを,CoMPNetが解決していることを示す。
トレーニング中に見えないような、高い成功率の環境において、オブジェクトの新しい見えない場所に一般化する。
論文 参考訳（メタデータ） (2020-08-09T18:58:10Z) - Jump Operator Planning: Goal-Conditioned Policy Ensembles and Zero-Shot
Transfer [71.44215606325005]
本稿では,シーケンシャルなサブゴールタスクの超指数空間における解を高速に計算するための,Jump-Operator Dynamic Programmingという新しいフレームワークを提案する。
このアプローチでは、時間的に拡張された行動として機能する、再利用可能な目標条件付き警察のアンサンブルを制御する。
すると、この部分空間上の目的関数のクラスを、解がグラウンド化に不変であるものとして特定し、最適ゼロショット移動をもたらす。
論文 参考訳（メタデータ） (2020-07-06T05:13:20Z)
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。