論文の概要: Dynamic Buffers: Cost-Efficient Planning for Tabletop Rearrangement with Stacking

• arxiv url: http://arxiv.org/abs/2509.22828v1
• Date: Fri, 26 Sep 2025 18:36:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-30 22:32:18.895094
• Title: Dynamic Buffers: Cost-Efficient Planning for Tabletop Rearrangement with Stacking
• Title（参考訳）: Dynamic Buffers: スタック化によるテーブルトップリアレンジの費用効率の良い計画
• Authors: Arman Barghi, Hamed Hosseini, Seraj Ghasemi, Mehdi Tale Masouleh, Ahmad Kalhor,
• Abstract要約: 乱雑なテーブルトップ環境でオブジェクトを配置することは、ロボット工学における長年の課題である。 これらの問題を解決するために、Dynamic Bufferと呼ばれる新しいプランニングプリミティブが導入されている。 人間のグループ化戦略にインスパイアされたロボットは、一時的に移動可能なスタックを形成し、ユニットとして輸送することができる。
• 参考スコア（独自算出の注目度）: 2.4140502941897544
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Rearranging objects in cluttered tabletop environments remains a long-standing challenge in robotics. Classical planners often generate inefficient, high-cost plans by shuffling objects individually and using fixed buffers--temporary spaces such as empty table regions or static stacks--to resolve conflicts. When only free table locations are used as buffers, dense scenes become inefficient, since placing an object can restrict others from reaching their goals and complicate planning. Allowing stacking provides extra buffer capacity, but conventional stacking is static: once an object supports another, the base cannot be moved, which limits efficiency. To overcome these issues, a novel planning primitive called the Dynamic Buffer is introduced. Inspired by human grouping strategies, it enables robots to form temporary, movable stacks that can be transported as a unit. This improves both feasibility and efficiency in dense layouts, and it also reduces travel in large-scale settings where space is abundant. Compared with a state-of-the-art rearrangement planner, the approach reduces manipulator travel cost by 11.89% in dense scenarios with a stationary robot and by 5.69% in large, low-density settings with a mobile manipulator. Practicality is validated through experiments on a Delta parallel robot with a two-finger gripper. These findings establish dynamic buffering as a key primitive for cost-efficient and robust rearrangement planning.
• Abstract（参考訳）: 乱雑なテーブルトップ環境でオブジェクトを配置することは、ロボット工学における長年の課題である。 古典的なプランナーは、オブジェクトを個別にシャッフルし、固定されたバッファー(空のテーブル領域や静的スタックのような一時的な空間)を使用することで、競合を解決することで、非効率で高コストなプランを生成する。 自由なテーブルロケーションのみをバッファとして使用する場合、オブジェクトを置くと、他のオブジェクトが目標に達するのを制限し、計画が複雑になるため、密集したシーンは効率が悪くなる。 スタック化はバッファ容量を増やすが、従来のスタック化は静的である:オブジェクトが別のものをサポートすると、ベースを移動できないため、効率が制限される。 これらの問題を解決するために、Dynamic Bufferと呼ばれる新しいプランニングプリミティブが導入されている。 人間のグループ化戦略にインスパイアされたロボットは、一時的に移動可能なスタックを形成し、ユニットとして輸送することができる。 これにより、高密度レイアウトにおける実現可能性と効率性が向上し、空間が豊富である大規模環境での移動も減少する。 最先端のアレンジメントプランナーと比較すると、固定ロボットによる密集シナリオでは11.89%、移動マニピュレータによる大型で低密度設定では5.69%、マニピュレータの移動コストは11.89%削減される。 2本のフィンガーグリップを備えたデルタパラレルロボットの実験により、実用性が検証される。 これらの結果は、コスト効率とロバストな再配置計画のための重要なプリミティブとして、動的バッファリングを確立している。

関連論文リスト

• Multi-robot Path Planning and Scheduling via Model Predictive Optimal Transport (MPC-OT) [5.013737017051114]
  我々は、デッドロック障害のある共通空間において、100万ドルのロボットが100万ドルの目標にナビゲートされる仕組みを検討する。 最適計画に基づく戦略を導出し、重複しない軌道を保証する。 本研究では, 時空間構造を最適輸送へ統合し, テクトitremodelplans と textitremodelplans の助けを借りて予測できることを示す。
  論文  参考訳（メタデータ） (2025-08-28T20:47:33Z)
• Efficient Masked AutoEncoder for Video Object Counting and A Large-Scale Benchmark [52.339936954958034]
  前景の動的不均衡は、ビデオオブジェクトのカウントにおいて大きな課題である。 本稿では,密度埋め込み型効率的なマスドオートエンコーダカウント(E-MAC)フレームワークを提案する。 さらに,渡り鳥保護のための自然シナリオにおいて,まず,大規模なビデオバードカウントデータセットであるDroneBirdを提案する。
  論文  参考訳（メタデータ） (2024-11-20T06:08:21Z)
• BitStack: Any-Size Compression of Large Language Models in Variable Memory Environments [53.71158537264695]
  大規模言語モデル(LLM)は、多くのアプリケーションに革命をもたらしたが、ローカルデバイスにおけるメモリ制限により、その展開は依然として困難である。 textbfBitStackは,メモリ使用量とモデル性能のトレードオフを可能にする,新しいトレーニング不要な重み圧縮手法である。
  論文  参考訳（メタデータ） (2024-10-31T13:26:11Z)
• Search-Based Path Planning in Interactive Environments among Movable Obstacles [8.023424148846265]
  本稿では,2つのPAMOの定式化について述べる。 完全性と解の最適性を保証する計画手法であるPAMO*を開発し,その2つの問題を解決する。 結果から,PAMO*は最大400個のオブジェクトを持つ乱雑な写像において,1秒以内に最適解を見つけることができることがわかった。
  論文  参考訳（メタデータ） (2024-10-24T00:02:58Z)
• Efficient and High-quality Prehensile Rearrangement in Cluttered and Confined Spaces [16.745331954312775]
  この研究は、タスク完了にそのような相互作用が不可欠であり、再配置計画における最先端の結果を拡張する問題に焦点を当てる。 モノトンインスタンスの一般的な制約の下で、各オブジェクトを最大1回移動させることで解決できる、新しい効率的で完全な解法を提案する。 新しいモノトンソルバはグローバルプランナーと統合され、高品質なソリューションで非モノトンインスタンスを高速に解決する。
  論文  参考訳（メタデータ） (2021-10-06T14:42:21Z)
• Goal Kernel Planning: Linearly-Solvable Non-Markovian Policies for Logical Tasks with Goal-Conditioned Options [54.40780660868349]
  我々はLinearly-Solvable Goal Kernel Dynamic Programming (LS-GKDP)と呼ばれる合成フレームワークを導入する。 LS-GKDPは、Linearly-Solvable Markov Decision Process (LMDP)形式とOptions Framework of Reinforcement Learningを組み合わせたものである。 本稿では,目標カーネルを持つLMDPが,タスク接地によって定義された低次元部分空間におけるメタポリティシの効率的な最適化を実現する方法を示す。
  論文  参考訳（メタデータ） (2020-07-06T05:13:20Z)
• Human-like Planning for Reaching in Cluttered Environments [11.55532557594561]
  人間は、散らかった環境でオブジェクトに手を伸ばすのに驚くほど適しています。 我々は、人間の高度な操作計画を特定し、これらのスキルをロボットプランナーに転送する。 人間のようなプランナーは、最先端の標準軌道最適化アルゴリズムよりも優れていた。
  論文  参考訳（メタデータ） (2020-02-28T14:28:50Z)
• Scalable and Probabilistically Complete Planning for Robotic Spatial Extrusion [0.755972004983746]
  本稿では,ロボット空間押出計画の厳密な形式化について述べる。 これらの制約は相反することが多いが、剛性認識によって誘導される強欲な状態空間探索は、両方の制約のバランスをとることができることを示す。
  論文  参考訳（メタデータ） (2020-02-06T17:05:55Z)

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。