論文の概要: Hard Contacts with Soft Gradients: Refining Differentiable Simulators for Learning and Control

• arxiv url: http://arxiv.org/abs/2506.14186v1
• Date: Tue, 17 Jun 2025 04:58:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-18 17:34:59.331151
• Title: Hard Contacts with Soft Gradients: Refining Differentiable Simulators for Learning and Control
• Title（参考訳）: ソフトグラディエントとのハードコンタクト:学習と制御のための微分シミュレータの精細化
• Authors: Anselm Paulus, A. René Geist, Pierre Schumacher, Vít Musil, Georg Martius,
• Abstract要約: 接触力は、ロボット力学の勾配に基づく最適化において大きな課題となる。 ペナルティに基づくシミュレータの接触計算を解析し,勾配誤差の原因を特定する。 本稿では,MuJoCo XLAとアダプティブ統合を組み合わせたDiffMJXを提案する。
• 参考スコア（独自算出の注目度）: 23.097754383355156
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Contact forces pose a major challenge for gradient-based optimization of robot dynamics as they introduce jumps in the system's velocities. Penalty-based simulators, such as MuJoCo, simplify gradient computation by softening the contact forces. However, realistically simulating hard contacts requires very stiff contact settings, which leads to incorrect gradients when using automatic differentiation. On the other hand, using non-stiff settings strongly increases the sim-to-real gap. We analyze the contact computation of penalty-based simulators to identify the causes of gradient errors. Then, we propose DiffMJX, which combines adaptive integration with MuJoCo XLA, to notably improve gradient quality in the presence of hard contacts. Finally, we address a key limitation of contact gradients: they vanish when objects do not touch. To overcome this, we introduce Contacts From Distance (CFD), a mechanism that enables the simulator to generate informative contact gradients even before objects are in contact. To preserve physical realism, we apply CFD only in the backward pass using a straight-through trick, allowing us to compute useful gradients without modifying the forward simulation.
• Abstract（参考訳）: 接触力は、ロボット力学の勾配に基づく最適化において大きな課題となる。 MuJoCoのようなペナルティベースのシミュレータは、接触力を軟化することで勾配計算を単純化する。 しかし、現実的にハードコンタクトをシミュレートするには、非常に硬い接触設定が必要であり、これは自動微分を使用する際の誤った勾配につながる。 一方、非スティフ設定を使用すると、sim-to-realギャップが強く増大する。 ペナルティに基づくシミュレータの接触計算を解析し,勾配誤差の原因を特定する。 次に,MuJoCo XLAとアダプティブ統合を組み合わせたDiffMJXを提案する。 最後に、接触勾配の鍵となる制限に対処する。 そこで本研究では,物体が接触する前の情報的接触勾配を生成するメカニズムとして,CFD(Contacts From Distance)を提案する。 物理リアリズムを保ち、ストレートスルートリックを用いて後進パスのみにCFDを適用することにより、前方シミュレーションを変更することなく有用な勾配を計算することができる。

関連論文リスト

• PICT -- A Differentiable, GPU-Accelerated Multi-Block PISO Solver for Simulation-Coupled Learning Tasks in Fluid Dynamics [59.38498811984876]
  我々はPyTorchで符号化された可変圧単純化解器であるPICTをGPU(Graphics-Processing-unit)をサポートした流体シミュレータとして提案する。 まず,様々なベンチマークにおいて,フォワードシミュレーションと導出した勾配の精度を検証した。 2次元, 3次元の複雑な乱流モデルの学習には, 解法によって得られる勾配が有効であることを示す。
  論文  参考訳（メタデータ） (2025-05-22T17:55:10Z)
• DecoupledGaussian: Object-Scene Decoupling for Physics-Based Interaction [21.80091691062415]
  DecoupledGaussianは、接触した表面から静止物体を分離する新しいシステムだ。 DecoupledGaussianを総合的なユーザスタディと定量的ベンチマークで検証する。 このシステムは、現実世界の環境におけるオブジェクトやシーンとのデジタルインタラクションを強化し、VR、ロボティクス、自動運転といった産業に恩恵をもたらす。
  論文  参考訳（メタデータ） (2025-03-07T14:54:54Z)
• DeepSimHO: Stable Pose Estimation for Hand-Object Interaction via Physics Simulation [81.11585774044848]
  我々は、前方物理シミュレーションと後方勾配近似とニューラルネットワークを組み合わせた新しいディープラーニングパイプラインであるDeepSimHOを紹介する。 提案手法は, 評価の安定性を著しく向上し, テスト時間最適化よりも優れた効率性を実現する。
  論文  参考訳（メタデータ） (2023-10-11T05:34:36Z)
• 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)
• Improving Gradient Computation for Differentiable Physics Simulation with Contacts [10.450509067356148]
  接触による剛体シミュレーションについて検討した。 連続衝突検出による勾配計算の改善とTOI(Time-of-Ipact)の利用を提案する。 そこで,TOI-Veでは,解析解と一致する最適制御系列を学習できることを示す。
  論文  参考訳（メタデータ） (2023-04-28T21:10:16Z)
• Contact Points Discovery for Soft-Body Manipulations with Differentiable Physics [99.86385468927638]
  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。
  論文  参考訳（メタデータ） (2022-05-05T17:59:41Z)
• 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)
• DiffPD: Differentiable Projective Dynamics with Contact [65.88720481593118]
  DiffPDは、暗黙の時間積分を持つ効率的な微分可能なソフトボディシミュレータである。 我々はDiffPDの性能を評価し,様々な応用における標準ニュートン法と比較して4～19倍のスピードアップを観測した。
  論文  参考訳（メタデータ） (2021-01-15T00:13:33Z)

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。