論文の概要: Differentiable Motion Manifold Primitives for Reactive Motion Generation under Kinodynamic Constraints

• arxiv url: http://arxiv.org/abs/2410.12193v2
• Date: Thu, 24 Jul 2025 11:36:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-25 15:10:40.636263
• Title: Differentiable Motion Manifold Primitives for Reactive Motion Generation under Kinodynamic Constraints
• Title（参考訳）: 動力学的制約下での反応性運動生成のための微分可能な運動マニフォールドプリミティブ
• Authors: Yonghyeon Lee,
• Abstract要約: Differentiable Motion Manifold Primitives (DMMP)は、連続時間で微分可能な軌道を符号化し生成する新しいニューラルネットワークアーキテクチャである。 7-DoFロボットアームを用いた動的投球実験では、DMMPは計画速度、タスク成功、制約満足度において従来の手法よりも優れていた。
• 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: Real-time motion generation -- which is essential for achieving reactive and adaptive behavior -- under kinodynamic constraints for high-dimensional systems is a crucial yet challenging problem. We address this with a two-step approach: offline learning of a lower-dimensional trajectory manifold of task-relevant, constraint-satisfying trajectories, followed by rapid online search within this manifold. Extending the discrete-time Motion Manifold Primitives (MMP) framework, we propose Differentiable Motion Manifold Primitives (DMMP), a novel neural network architecture that encodes and generates continuous-time, differentiable trajectories, trained using data collected offline through trajectory optimizations, with a strategy that ensures constraint satisfaction -- absent in existing methods. Experiments on dynamic throwing with a 7-DoF robot arm demonstrate that DMMP outperforms prior methods in planning speed, task success, and constraint satisfaction.
• Abstract（参考訳）: 高次元システムに対するキノダイナミック制約の下での、リアクティブで適応的な動作を実現するために不可欠なリアルタイムモーション生成は、非常に難しい問題である。 タスク関連、制約対応トラジェクトリの低次元トラジェクトリ多様体をオフラインで学習し、その後、この多様体内で高速なオンライン探索を行う。 離散時間モーションマニフォールドプリミティブ(MMP)フレームワークを拡張して、既存の手法にはない制約満足度を保証する戦略を用いて、軌道最適化を通じてオフラインで収集されたデータを使用してトレーニングされた、連続時間で微分可能なトラジェクトリをエンコードし、生成する新しいニューラルネットワークアーキテクチャである、微分可能なモーションマニフォールドプリミティブ(DMMP)を提案する。 7-DoFロボットアームを用いた動的投球実験では、DMMPは計画速度、タスク成功、制約満足度において従来の手法よりも優れていた。

関連論文リスト

• PMGS: Reconstruction of Projectile Motion across Large Spatiotemporal Spans via 3D Gaussian Splatting [9.314869696272297]
  本研究では,3次元ガウス散乱によるプロジェクタイルの再構成に着目したPMGSを提案する。 本稿では,ニュートン力学を橋渡し,ポーズ推定を行う加速度制約を導入し,運動状態に基づいて学習率を適応的にスケジュールする動的シミュレート変形戦略を設計する。
  論文  参考訳（メタデータ） (2025-08-04T17:49:37Z)
• Dynamic Manipulation of Deformable Objects in 3D: Simulation, Benchmark and Learning Strategy [88.8665000676562]
  従来の手法は、しばしば問題を低速または2D設定に単純化し、現実の3Dタスクに適用性を制限する。 データ不足を軽減するため、新しいシミュレーションフレームワークと、低次ダイナミクスに基づくベンチマークを導入する。 本研究では,シミュレーション前トレーニングと物理インフォームドテスト時間適応を統合するフレームワークであるDynamics Informed Diffusion Policy (DIDP)を提案する。
  論文  参考訳（メタデータ） (2025-05-23T03:28:25Z)
• ReCoM: Realistic Co-Speech Motion Generation with Recurrent Embedded Transformer [58.49950218437718]
  音声に同期した高忠実で一般化可能な人体動作を生成するための効率的なフレームワークであるReCoMを提案する。 Recurrent Embedded Transformer (RET)は、動的埋め込み正規化(DER)をViT(Vit)コアアーキテクチャに統合する。 モデルロバスト性を高めるため,ノイズ抵抗とクロスドメイン一般化の二重性を持つモデルに,提案したDER戦略を取り入れた。
  論文  参考訳（メタデータ） (2025-03-27T16:39:40Z)
• FRMD: Fast Robot Motion Diffusion with Consistency-Distilled Movement Primitives for Smooth Action Generation [3.7351623987275873]
  本研究では,スムーズかつ時間的に一貫したロボットの動きを生成するための高速ロボット運動拡散法を提案する。 本手法は,移動プリミティブ(MP)と一貫性モデルを統合し,効率的な単一ステップ軌道生成を実現する。 その結果,FRMDはより高速でスムーズな軌道を発生し,高い成功率を達成できた。
  論文  参考訳（メタデータ） (2025-03-03T20:56:39Z)
• Towards Learning Scalable Agile Dynamic Motion Planning for Robosoccer Teams with Policy Optimization [0.0]
  障害物の存在下でのマルチエージェントシステムの動的運動計画は普遍的で未解決な問題である。 本稿では,学習に基づく動的ナビゲーションモデルを提案し,シンプルなRobosoccer Gameの概念を用いて,シンプルな環境で動作するモデルを示す。
  論文  参考訳（メタデータ） (2025-02-08T11:13:07Z)
• Simultaneous Multi-Robot Motion Planning with Projected Diffusion Models [57.45019514036948]
  MRMP拡散(SMD)は、制約付き最適化を拡散サンプリングプロセスに統合し、運動学的に実現可能な軌道を生成する新しい手法である。 本稿では, ロボット密度, 障害物の複雑度, 動作制約の異なるシナリオ間の軌道計画アルゴリズムを評価するための総合的MRMPベンチマークを提案する。
  論文  参考訳（メタデータ） (2025-02-05T20:51:28Z)
• Monte Carlo Tree Search with Velocity Obstacles for safe and efficient motion planning in dynamic environments [49.30744329170107]
  本稿では,動的障害物に関する情報を最小限に抑えた最適オンライン動作計画手法を提案する。 提案手法は,モデルシミュレーションによるオンライン最適計画のためのモンテカルロ木探索 (MCTS) と障害物回避のためのVelocity Obstacles (VO) を組み合わせた。 我々は,非線形モデル予測制御(NMPC)を含む最先端のプランナーに対して,衝突速度,計算,タスク性能の向上の観点から,我々の方法論の優位性を示す。
  論文  参考訳（メタデータ） (2025-01-16T16:45:08Z)
• Multi-Agent Path Finding in Continuous Spaces with Projected Diffusion Models [57.45019514036948]
  MAPF(Multi-Agent Path Finding)は、ロボット工学における基本的な問題である。 連続空間におけるMAPFの拡散モデルと制約付き最適化を統合する新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-12-23T21:27:19Z)
• Improved deep learning of chaotic dynamical systems with multistep penalty losses [0.0]
  カオスシステムの長期的な振る舞いを予測することは、依然として恐ろしい課題である。 本稿では,最近提案された多段階ペナルティ演算子を活用することで,これらの課題に対処する新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2024-10-08T00:13:57Z)
• 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)
• Potential Based Diffusion Motion Planning [73.593988351275]
  本稿では,潜在的行動計画の学習に向けた新しいアプローチを提案する。 我々はニューラルネットワークを訓練し、運動計画軌跡よりも容易に最適化可能なポテンシャルを捕捉し、学習する。 我々は、その固有の構成可能性を示し、様々な動きの制約に一般化することができる。
  論文  参考訳（メタデータ） (2024-07-08T17:48:39Z)
• 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)
• MMP++: Motion Manifold Primitives with Parametric Curve Models [5.982922468400902]
  モーション・マニフォールド・プリミティブ (Motion Manifold Primitives, MMP) は、基本的なモーションスキルを符号化するための多様体ベースのアプローチである。 MMP++(Motion Manifold Primitives++)は,MMPと従来の手法の長所を統合する新しいモデルである。 本稿では,MMP++とIMMP++がトラジェクトリ生成タスクにおいて既存の手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-10-26T00:28:37Z)
• Optimal task and motion planning and execution for human-robot multi-agent systems in dynamic environments [54.39292848359306]
  本稿では,タスクのシーケンシング,割り当て,実行を最適化するタスクと動作計画の組み合わせを提案する。 このフレームワークはタスクとアクションの分離に依存しており、アクションはシンボル的タスクの幾何学的実現の可能な1つの可能性である。 ロボットアームと人間の作業員がモザイクを組み立てる共同製造シナリオにおけるアプローチの有効性を実証する。
  論文  参考訳（メタデータ） (2023-03-27T01:50:45Z)
• 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)
• Learning-based Motion Planning in Dynamic Environments Using GNNs and Temporal Encoding [15.58317292680615]
  組込みとエッジ優先化ポリシの両方を学習するために,データアグリゲーションを用いた時間符号化と模倣学習を用いたGNNベースのアプローチを提案する。 実験により, 提案手法は, 最先端の完全な動的計画アルゴリズムよりも, オンラインプランニングを著しく高速化できることが示された。
  論文  参考訳（メタデータ） (2022-10-16T01:27:16Z)
• Reinforcement Learning with Prior Policy Guidance for Motion Planning of Dual-Arm Free-Floating Space Robot [11.272278713797537]
  提案手法は,計画精度を効率的に向上するRLに基づく手法を実現するための新しいアルゴリズムであるEfficientを提案する。 私たちのコアコントリビューションは、事前の知識ガイダンスと混合ポリシーを構築し、より合理的な報酬関数を構築するために無限ノルムを導入することです。
  論文  参考訳（メタデータ） (2022-09-03T14:20:17Z)
• 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)
• 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)
• Constrained Motion Planning Networks X [15.047777217748889]
  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。
  論文  参考訳（メタデータ） (2020-10-17T03:34:38Z)
• ReLMoGen: Leveraging Motion Generation in Reinforcement Learning for Mobile Manipulation [99.2543521972137]
  ReLMoGenは、サブゴールを予測するための学習されたポリシーと、これらのサブゴールに到達するために必要な動作を計画し実行するためのモーションジェネレータを組み合わせたフレームワークである。 本手法は,フォトリアリスティック・シミュレーション環境における7つのロボットタスクの多種多様なセットをベンチマークする。 ReLMoGenは、テスト時に異なるモーションジェネレータ間で顕著な転送可能性を示し、実際のロボットに転送する大きな可能性を示している。
  論文  参考訳（メタデータ） (2020-08-18T08:05:15Z)
• 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。