論文の概要: Certifiably Safe Manipulation of Deformable Linear Objects via Joint Shape and Tension Prediction
- arxiv url: http://arxiv.org/abs/2505.13889v1
- Date: Tue, 20 May 2025 03:50:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-21 14:49:52.662363
- Title: Certifiably Safe Manipulation of Deformable Linear Objects via Joint Shape and Tension Prediction
- Title（参考訳）: 関節形状と張力予測による変形可能な線形物体の安全操作
- Authors: Yiting Zhang, Shichen Li,
- Abstract要約: 本稿では,DLO操作のための安全な動作計画とフレームワークを提案する。
本手法のコアとなるのは,DLOの将来の形状と張力を共同で推定する予測モデルである。
最先端の手法と比較すると,安全違反を回避しつつ高いタスク成功率を達成することができる。
- 参考スコア（独自算出の注目度）: 0.11510009152620666
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Manipulating deformable linear objects (DLOs) is challenging due to their complex dynamics and the need for safe interaction in contact-rich environments. Most existing models focus on shape prediction alone and fail to account for contact and tension constraints, which can lead to damage to both the DLO and the robot. In this work, we propose a certifiably safe motion planning and control framework for DLO manipulation. At the core of our method is a predictive model that jointly estimates the DLO's future shape and tension. These predictions are integrated into a real-time trajectory optimizer based on polynomial zonotopes, allowing us to enforce safety constraints throughout the execution. We evaluate our framework on a simulated wire harness assembly task using a 7-DOF robotic arm. Compared to state-of-the-art methods, our approach achieves a higher task success rate while avoiding all safety violations. The results demonstrate that our method enables robust and safe DLO manipulation in contact-rich environments.
- Abstract（参考訳）: 変形可能な線形オブジェクト(DLO)の操作は、複雑な力学と、接触豊富な環境での安全な相互作用の必要性により困難である。
既存のモデルのほとんどは形状予測のみに焦点を当てており、接触と緊張の制約を考慮できないため、DLOとロボットの両方にダメージを与える可能性がある。
本研究では,DLO操作のための安全な動作計画・制御フレームワークを提案する。
本手法のコアとなるのは,DLOの将来の形状と張力を共同で推定する予測モデルである。
これらの予測は、多項式ゾノトープに基づくリアルタイム軌道最適化器に統合され、実行中の安全制約を強制することができる。
7-DOFロボットアームを用いた模擬ワイヤハーネス組立作業におけるフレームワークの評価を行った。
現状の手法と比較すると,安全違反を回避しつつ高いタスク成功率を達成することができる。
その結果,接触環境下での安全かつ堅牢なDLO操作が可能であることが示唆された。
関連論文リスト
- Generalizing Safety Beyond Collision-Avoidance via Latent-Space Reachability Analysis [6.267574471145217]
Hamilton-Jacobi (H) は、ロボットが安全でない状態を同時に検出し、アクションを生成するための厳格なフレームワークである。
生観測データを直接操作する潜在空間到達性であるLa Safety Filtersを提案する。
論文 参考訳（メタデータ） (2025-02-02T22:00:20Z) - What Makes and Breaks Safety Fine-tuning? A Mechanistic Study [64.9691741899956]
安全性の微調整は、大規模な言語モデル(LLM)を、安全なデプロイメントのための人間の好みに合わせるのに役立つ。
安全でない入力の健全な側面をキャプチャする合成データ生成フレームワークを設計する。
これを用いて,3つのよく知られた安全微調整手法について検討する。
論文 参考訳（メタデータ） (2024-07-14T16:12:57Z) - SAFE-SIM: Safety-Critical Closed-Loop Traffic Simulation with Diffusion-Controllable Adversaries [94.84458417662407]
制御可能なクローズドループ安全クリティカルシミュレーションフレームワークであるSAFE-SIMを紹介する。
提案手法は,1)現実の環境を深く反映した現実的な長距離安全クリティカルシナリオの生成,2)より包括的でインタラクティブな評価のための制御可能な敵行動の提供,の2つの利点をもたらす。
複数のプランナにまたがるnuScenesとnuPlanデータセットを使用して、我々のフレームワークを実証的に検証し、リアリズムと制御性の両方の改善を実証した。
論文 参考訳（メタデータ） (2023-12-31T04:14:43Z) - DexDLO: Learning Goal-Conditioned Dexterous Policy for Dynamic
Manipulation of Deformable Linear Objects [7.72979328949568]
変形可能な線形オブジェクトに対するデキスタラス動的操作ポリシーを固定ベースデキスタラスハンドで学習するモデルフリーフレームワークであるDexDLOを提案する。
我々は,同じフレームワークパラメータで5つの異なるDLO操作タスクを効率的に学習できることを示す。
論文 参考訳（メタデータ） (2023-12-23T09:26:20Z) - Recursively Feasible Probabilistic Safe Online Learning with Control Barrier Functions [60.26921219698514]
CBFをベースとした安全クリティカルコントローラのモデル不確実性を考慮した再構成を提案する。
次に、結果の安全制御器のポイントワイズ実現可能性条件を示す。
これらの条件を利用して、イベントトリガーによるオンラインデータ収集戦略を考案する。
論文 参考訳（メタデータ） (2022-08-23T05:02:09Z) - Safe reinforcement learning for probabilistic reachability and safety
specifications: A Lyapunov-based approach [2.741266294612776]
安全運転の最大確率を学習するモデルフリー安全仕様法を提案する。
提案手法は, 各政策改善段階を抑制するための安全な政策に関して, リャプノフ関数を構築する。
安全集合と呼ばれる安全な操作範囲を決定する一連の安全なポリシーを導出する。
論文 参考訳（メタデータ） (2020-02-24T09:20:03Z)
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。