論文の概要: Contact Points Discovery for Soft-Body Manipulations with Differentiable
Physics
- arxiv url: http://arxiv.org/abs/2205.02835v1
- Date: Thu, 5 May 2022 17:59:41 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-06 14:50:17.822181
- Title: Contact Points Discovery for Soft-Body Manipulations with Differentiable
Physics
- Title(参考訳): 微分物理学を用いたソフトボディマニピュレーションのための接触点発見
- Authors: Sizhe Li, Zhiao Huang, Tao Du, Hao Su, Joshua B. Tenenbaum, Chuang Gan
- Abstract要約: 本稿では,ソフトボディのプラスチックを変形させる物理解法を導出する接触点探索手法(CPDeform)を提案する。
単一段階のタスクでは,移動優先度に基づいて適切な初期接触点を自動的に見つけることができる。
複雑なマルチステージタスクでは、トランスポート優先に基づいて、エンドエフェクタの接触点を反復的に切り替えることができる。
- 参考スコア(独自算出の注目度): 99.86385468927638
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: Differentiable physics has recently been shown as a powerful tool for solving
soft-body manipulation tasks. However, the differentiable physics solver often
gets stuck when the initial contact points of the end effectors are sub-optimal
or when performing multi-stage tasks that require contact point switching,
which often leads to local minima. To address this challenge, we propose a
contact point discovery approach (CPDeform) that guides the stand-alone
differentiable physics solver to deform various soft-body plasticines. The key
idea of our approach is to integrate optimal transport-based contact points
discovery into the differentiable physics solver to overcome the local minima
from initial contact points or contact switching. On single-stage tasks, our
method can automatically find suitable initial contact points based on
transport priorities. On complex multi-stage tasks, we can iteratively switch
the contact points of end-effectors based on transport priorities. To evaluate
the effectiveness of our method, we introduce PlasticineLab-M that extends the
existing differentiable physics benchmark PlasticineLab to seven new
challenging multi-stage soft-body manipulation tasks. Extensive experimental
results suggest that: 1) on multi-stage tasks that are infeasible for the
vanilla differentiable physics solver, our approach discovers contact points
that efficiently guide the solver to completion; 2) on tasks where the vanilla
solver performs sub-optimally or near-optimally, our contact point discovery
method performs better than or on par with the manipulation performance
obtained with handcrafted contact points.
- Abstract(参考訳): 微分物理学は、ソフトボディ操作タスクを解く強力なツールとして最近示されている。
しかし、微分可能な物理ソルバは、エンドエフェクタの初期コンタクトポイントが最適でない場合や、コンタクトポイントスイッチを必要とする多段階タスクを行う場合、局所的なミニマムに繋がる場合、しばしば立ち往生する。
この課題に対処するために,単相微分可能な物理解法を導いて様々な軟質プラスチックを変形させるコンタクトポイント発見法(cpdeform)を提案する。
提案手法の鍵となる考え方は,初期接触点や接触切換から局所最小点を克服するために,最適輸送に基づく接触点発見を微分可能な物理解法に統合することである。
シングルステージタスクでは,移動優先度に基づいて適切な初期接触点を自動的に見つけることができる。
複雑なマルチステージタスクでは、トランスポート優先に基づいて、エンドエフェクタの接触点を反復的に切り替えることができる。
本手法の有効性を評価するために,既存の微分可能な物理ベンチマークである plasticinelab を7つの新しい多段階ソフトボディ操作タスクに拡張した plasticinelab-m を提案する。
実験結果は以下の通りである。
1) バニラ微分可能な物理解法では実現不可能な多段階タスクにおいて,我々は,解法を完了に導くための接触点を探索する。
2) バニラソルバが準最適又はほぼ最適に実行するタスクにおいて,接触点検出法は手作り接触点を用いた操作性能と同等以上の性能を示す。
関連論文リスト
- Merging Multi-Task Models via Weight-Ensembling Mixture of Experts [64.94129594112557]
異なるタスクでトレーニングされたTransformerベースのモデルを単一の統一モデルにマージすることで、すべてのタスクを同時に実行できる。
従来の手法は、タスク演算によって例示され、効率的かつスケーラブルであることが証明されている。
本稿では,Transformer層をMoEモジュールにアップスケーリングしながら,ほとんどのパラメータをマージすることを提案する。
論文 参考訳(メタデータ) (2024-02-01T08:58:57Z) - DiffVL: Scaling Up Soft Body Manipulation using Vision-Language Driven
Differentiable Physics [69.6158232150048]
DiffVLは、非専門家がソフトボディ操作タスクをコミュニケーションできるようにする手法である。
大規模言語モデルを用いてタスク記述を機械解釈可能な最適化対象に翻訳する。
論文 参考訳(メタデータ) (2023-12-11T14:29:25Z) - Jade: A Differentiable Physics Engine for Articulated Rigid Bodies with
Intersection-Free Frictional Contact [5.70896453969985]
ジェイド (Jade) は、剛体用の微分可能な物理エンジンである。
交差のない衝突シミュレーションや、複数の摩擦接触に対する安定したLCPソリューションなどの機能を提供する。
論文 参考訳(メタデータ) (2023-09-09T07:39:36Z) - FluidLab: A Differentiable Environment for Benchmarking Complex Fluid
Manipulation [80.63838153351804]
複雑な流体力学を含む多種多様な操作タスクを備えたシミュレーション環境であるFluidLabを紹介する。
私たちのプラットフォームの中心には、GPU加速シミュレーションと勾配計算を提供する、完全に微分可能な物理シミュレータがあります。
微分可能物理学と組み合わせたいくつかのドメイン固有最適化スキームを提案する。
論文 参考訳(メタデータ) (2023-03-04T07:24:22Z) - PlasticineLab: A Soft-Body Manipulation Benchmark with Differentiable
Physics [89.81550748680245]
PasticineLabと呼ばれる新しい微分可能な物理ベンチマークを導入する。
各タスクにおいて、エージェントはマニピュレータを使用して、プラスチックを所望の構成に変形させる。
本稿では,既存の強化学習(RL)手法と勾配に基づく手法について評価する。
論文 参考訳(メタデータ) (2021-04-07T17:59:23Z) - Fast and Feature-Complete Differentiable Physics for Articulated Rigid
Bodies with Contact [13.502749968646519]
ラグランジアン力学と剛体シミュレーションのためのハードコンタクト制約をサポートする微分可能な物理エンジンを提案する。
我々の微分可能な物理エンジンは、通常は微分不可能な物理シミュレータでしか利用できない機能の完全なセットを提供します。
論文 参考訳(メタデータ) (2021-03-30T01:48:29Z) - Scalable Differentiable Physics for Learning and Control [99.4302215142673]
微分物理学は、物理的対象や環境を含む問題を学習し、制御するための強力なアプローチである。
我々は、多数のオブジェクトとその相互作用をサポートすることができる微分可能物理学のためのスケーラブルなフレームワークを開発する。
論文 参考訳(メタデータ) (2020-07-04T19:07:51Z) - ADD: Analytically Differentiable Dynamics for Multi-Body Systems with
Frictional Contact [26.408218913234872]
剛体および変形可能な物体に対する摩擦接触を処理できる微分可能な動的解法を提案する。
本手法は, 摩擦接触の非平滑な性質に起因した主な困難を回避できる。
論文 参考訳(メタデータ) (2020-07-02T09:51:36Z)
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。