論文の概要: IMMP++: Isometric Motion Manifold Primitives with Parametric Curve
Models
- arxiv url: http://arxiv.org/abs/2310.17072v2
- Date: Mon, 15 Jan 2024 07:02:44 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-18 00:56:34.565457
- Title: IMMP++: Isometric Motion Manifold Primitives with Parametric Curve
Models
- Title(参考訳): IMMP++:パラメトリック曲線モデルを用いた等尺運動マニフォールドプリミティブ
- Authors: Yonghyeon Lee
- Abstract要約: パラメトリック曲線表現にMMPフレームワークを適用することで、MMPと従来の手法の利点を組み合わせたモーション・マニフォールド・プリミティブ・++(MMP++)を導入する。
MMP++は、潜伏空間の幾何学的歪みのために、時に著しく劣化することがある。
IMP++(Isometric Motion Manifold Primitives++)を提案する。
- 参考スコア(独自算出の注目度): 5.982922468400902
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The Motion Manifold Primitive (MMP) produces, for a given task, a continuous
manifold of trajectories, each of which can successfully complete the task,
addressing the challenge of high dimensionality in trajectory data. However,
the discrete-time trajectory representations used in existing MMP methods lack
important functionalities of movement primitives (e.g., temporal modulation,
via-points modulation, etc.) found in other conventional methods that employ
parametric curve representations. To address these limitations, we introduce
Motion Manifold Primitives++ (MMP++), which combines the advantages of the MMP
and conventional methods by applying the MMP framework to the parametric curve
representations. However, we observe that the performance of MMP++ can
sometimes degrade significantly due to geometric distortion in the latent space
-- by distortion, we mean that similar motions are not located nearby in the
latent space. To mitigate this issue, we propose Isometric Motion Manifold
Primitives++ (IMMP++), where the latent coordinate space preserves the geometry
of the manifold. Experimental results with 2-DoF planar motions and 7-DoF robot
arm tasks demonstrate that MMP++ and IMMP++ outperform existing methods, in
some cases by a significant margin, while maintaining the advantages of
parametric curve representations.
- Abstract(参考訳): 運動多様体プリミティブ(mmp)は、与えられたタスクに対して、軌道データにおける高次元の課題に対処して、それぞれがうまくタスクを完了できる軌道の連続多様体を生成する。
しかし、既存のMMP法で使われる離散時間軌道表現は、パラメトリック曲線表現を用いる他の方法に見られる運動プリミティブの重要な機能(時間変調、透視変調など)を欠いている。
これらの制約に対処するために,MMP の利点と従来の手法を組み合わせた Motion Manifold Primitives++ (MMP++) を導入し,MMP フレームワークをパラメトリック曲線表現に適用する。
しかし,mmp++の性能は,潜伏空間の幾何学的歪みにより著しく低下する可能性があることが観察された。
この問題を軽減するため,我々は,可換座標空間が多様体の幾何学を保存する等尺運動多様体プリミティブs++ (immp++) を提案する。
2-DoF平面運動と7-DoFロボットアームタスクによる実験結果は、MMP++とIMMP++がパラメトリック曲線表現の利点を維持しつつ、既存の手法よりも優れていることを示す。
関連論文リスト
- Physics-informed Neural Motion Planning on Constraint Manifolds [6.439800184169697]
Constrained Motion Planning (CMP) は、運動論的制約多様体上の与えられた開始と目標設定の間の衝突のない経路を見つけることを目的としている。
制約多様体上のアイコン方程式を解き、専門家データなしでCMPの神経機能を訓練する最初の物理インフォームドCMPフレームワークを提案する。
提案手法は,方向制約下での物体操作や,高次元6-DOFロボットマニピュレータを用いたドア開口など,シミュレーションおよび実世界の様々なCMP問題を効率的に解決する。
論文 参考訳(メタデータ) (2024-03-09T02:24:02Z) - Optimality Guarantees for Particle Belief Approximation of POMDPs [55.83001584645448]
部分的に観測可能なマルコフ決定プロセス(POMDP)は、現実の意思決定と制御の問題に対する柔軟な表現を提供する。
POMDPは、特に状態と観測空間が連続的またはハイブリッドである場合、解決するのが非常に難しい。
本稿では,これらのアルゴリズムが使用する粒子フィルタリング手法の近似誤差を特徴付ける理論を提案する。
論文 参考訳(メタデータ) (2022-10-10T21:11:55Z) - ProDMPs: A Unified Perspective on Dynamic and Probabilistic Movement
Primitives [0.0]
ムーブメントプリミティブ(英: Movement Primitives、MP)はモジュラー軌跡を表現・生成するためのよく知られた概念である。
MPは、ダイナミック・ムーブメント・プリミティブ(DMP)と確率的ムーブメント・プリミティブ(ProMP)の2つのタイプに分類される。
論文 参考訳(メタデータ) (2022-10-04T11:20:20Z) - Neural Motion Fields: Encoding Grasp Trajectories as Implicit Value
Functions [65.84090965167535]
本稿では,ニューラルネットワークによってパラメータ化される暗黙的値関数として,オブジェクト点群と相対的タスク軌跡の両方を符号化する新しいオブジェクト表現であるNeural Motion Fieldsを提案する。
このオブジェクト中心表現は、SE(3)空間上の連続分布をモデル化し、サンプリングベースのMPCを利用して、この値関数を最適化することで、反応的に把握することができる。
論文 参考訳(メタデータ) (2022-06-29T18:47:05Z) - Expert-Guided Symmetry Detection in Markov Decision Processes [0.0]
MDP力学が不変である状態-作用空間の変換の存在を検出することを目的としたパラダイムを提案する。
その結果, 検出した対称性を用いて得られたデータを用いてデータセットを拡張した場合, モデル分布シフトが小さくなることがわかった。
論文 参考訳(メタデータ) (2021-11-19T16:12:30Z) - Orientation Probabilistic Movement Primitives on Riemannian Manifolds [0.0]
確率的運動プリミティブ(ProMP)は、実験から学んだ軌道分布をモデル化する原則的アプローチとして際立っている。
ProMPが運用空間で使用される場合、元の定式化は完全な動作には直接適用されない。
本稿では,四元軌道の符号化と検索を可能にするRiemann的ProMPの定式化を提案する。
論文 参考訳(メタデータ) (2021-10-28T11:49:03Z) - Improving Metric Dimensionality Reduction with Distributed Topology [68.8204255655161]
DIPOLEは、局所的、計量的項と大域的、位相的項の両方で損失関数を最小化し、初期埋め込みを補正する次元推論後処理ステップである。
DIPOLEは、UMAP、t-SNE、Isomapといった一般的な手法よりも多くの一般的なデータセットで優れています。
論文 参考訳(メタデータ) (2021-06-14T17:19:44Z) - Positive-Negative Momentum: Manipulating Stochastic Gradient Noise to
Improve Generalization [89.7882166459412]
勾配雑音(SGN)は、ディープラーニングの暗黙の正規化として機能する。
深層学習を改善するためにランダムノイズを注入してSGNを人工的にシミュレートしようとした作品もある。
低計算コストでSGNをシミュレーションし、学習率やバッチサイズを変更することなく、PNM(Positive-Negative Momentum)アプローチを提案する。
論文 参考訳(メタデータ) (2021-03-31T16:08:06Z) - Sampling in Combinatorial Spaces with SurVAE Flow Augmented MCMC [83.48593305367523]
ハイブリッドモンテカルロ(Hybrid Monte Carlo)は、複素連続分布からサンプリングする強力なマルコフ連鎖モンテカルロ法である。
本稿では,SurVAEフローを用いたモンテカルロ法の拡張に基づく新しい手法を提案する。
本稿では,統計学,計算物理学,機械学習など,様々な分野におけるアルゴリズムの有効性を実証し,代替アルゴリズムと比較した改良点を考察する。
論文 参考訳(メタデータ) (2021-02-04T02:21:08Z) - Fast Gravitational Approach for Rigid Point Set Registration with
Ordinary Differential Equations [79.71184760864507]
本稿では,FGA(Fast Gravitational Approach)と呼ばれる厳密な点集合アライメントのための物理に基づく新しい手法を紹介する。
FGAでは、ソースとターゲットの点集合は、シミュレーションされた重力場内を移動しながら、世界規模で多重リンクされた方法で相互作用する質量を持つ剛体粒子群として解釈される。
従来のアライメント手法では,新しいメソッドクラスには特徴がないことを示す。
論文 参考訳(メタデータ) (2020-09-28T15:05:39Z) - Optimization-Based MCMC Methods for Nonlinear Hierarchical Statistical
Inverse Problems [0.6091702876917279]
多くの階層的逆問題において、パラメータ・可観測写像において高次元あるいは無限次元のモデルパラメータを推定するだけでなく、ハイパーパラメータを推定する必要がある。
本研究では,階層型ベイズ逆問題の解法として,スケーラブルな最適化に基づくマルコフ連鎖モンテカルロ法(MCMC)を提案する。
論文 参考訳(メタデータ) (2020-02-15T10:19:42Z)
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。