論文の概要: Volumetric Ergodic Control

• arxiv url: http://arxiv.org/abs/2511.11533v1
• Date: Fri, 14 Nov 2025 18:10:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-17 22:42:18.754207
• Title: Volumetric Ergodic Control
• Title（参考訳）: 体積エルゴディック制御
• Authors: Jueun Kwon, Max M. Sun, Todd Murphey,
• Abstract要約: 本稿では,体積状態表現を用いた空間被覆を最適化するエルゴディック制御式を提案する。 本手法は,エルゴディック制御のカバレッジ保証を保護し,リアルタイム制御に最小限の計算オーバーヘッドを付加し,任意のサンプルベース容積モデルをサポートする。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Ergodic control synthesizes optimal coverage behaviors over spatial distributions for nonlinear systems. However, existing formulations model the robot as a non-volumetric point, but in practice a robot interacts with the environment through its body and sensors with physical volume. In this work, we introduce a new ergodic control formulation that optimizes spatial coverage using a volumetric state representation. Our method preserves the asymptotic coverage guarantees of ergodic control, adds minimal computational overhead for real-time control, and supports arbitrary sample-based volumetric models. We evaluate our method across search and manipulation tasks -- with multiple robot dynamics and end-effector geometries or sensor models -- and show that it improves coverage efficiency by more than a factor of two while maintaining a 100% task completion rate across all experiments, outperforming the standard ergodic control method. Finally, we demonstrate the effectiveness of our method on a robot arm performing mechanical erasing tasks.
• Abstract（参考訳）: エルゴディック制御は非線形系の空間分布上の最適被覆挙動を合成する。 しかし、既存の定式化はロボットを非体積点としてモデル化するが、実際にはロボットは体とセンサーを通して環境と相互作用する。 本研究では,体積状態表現を用いた空間被覆を最適化するエルゴディック制御法を提案する。 本手法は,エルゴディック制御の漸近的カバレッジを保証するとともに,リアルタイム制御に最小限の計算オーバーヘッドを付加し,任意のサンプルベース容積モデルをサポートする。 我々は,複数のロボットダイナミクスとエンドエフェクタ・ジオメトリやセンサモデルを用いて,探索・操作タスク間での手法の評価を行い,すべての実験において100%タスク完了率を維持しながら,カバー効率を2倍に向上し,標準的なエルゴード制御法よりも優れていたことを示す。 最後に,機械的消去作業を行うロボットアームにおいて,本手法の有効性を示す。

関連論文リスト

• Efficient Surgical Robotic Instrument Pose Reconstruction in Real World Conditions Using Unified Feature Detection [21.460727996614704]
  MISロボットは、長いキネマティックチェーンを持ち、カメラ内の自由度を部分的に可視化する。 本稿では,共有符号化による幾何学的プリミティブの検出を統一する新しいフレームワークを提案する。 このアーキテクチャは、1つの推論でキーポイントとエッジの両方を検出し、射影ラベル付き大規模合成データに基づいて訓練される。
  論文  参考訳（メタデータ） (2025-10-03T22:03:28Z)
• Hysteresis-Aware Neural Network Modeling and Whole-Body Reinforcement Learning Control of Soft Robots [14.02771001060961]
  外科的応用を目的としたソフトロボットシステムを提案する。 本稿では,ソフトロボットの全身動作を正確に把握し,予測する全身ニューラルネットワークモデルを提案する。 本手法はファントムを用いた手術実験において高い性能を示した。
  論文  参考訳（メタデータ） (2025-04-18T09:34:56Z)
• Robotic World Model: A Neural Network Simulator for Robust Policy Optimization in Robotics [50.191655141020505]
  この研究は、長期水平予測、エラー蓄積、およびsim-to-real転送の課題に対処することで、モデルに基づく強化学習を前進させる。 スケーラブルでロバストなフレームワークを提供することで、現実のアプリケーションにおいて適応的で効率的なロボットシステムを実現することができる。
  論文  参考訳（メタデータ） (2025-01-17T10:39:09Z)
• Distributed Robust Learning based Formation Control of Mobile Robots based on Bioinspired Neural Dynamics [14.149584412213269]
  まず,変数構造とカスケード設計手法を用いた分散推定器を導入し,実時間性能向上のための微分情報の必要性を排除した。 そして、スムーズな制御入力を提供し、スピードジャンプ問題を効果的に解決することを目的とした、バイオインスパイアされたニューラルダイナミックベースのアプローチを用いて、キネマティックトラッキング制御法を開発した。 完全に未知の力学と乱れを持つロボットの課題に対処するために,学習に基づく頑健な動的コントローラを開発した。
  論文  参考訳（メタデータ） (2024-03-23T04:36:12Z)
• ManiGaussian: Dynamic Gaussian Splatting for Multi-task Robotic Manipulation [58.615616224739654]
  従来のロボット操作法は通常、予測のための観察の意味表現を学ぶ。 マルチ時間ロボット操作のための動的ガウス分割法ManiGaussianを提案する。 我々のフレームワークは、最先端の手法を平均的な成功率で13.1%上回ることができる。
  論文  参考訳（メタデータ） (2024-03-13T08:06:41Z)
• Tuning Legged Locomotion Controllers via Safe Bayesian Optimization [47.87675010450171]
  本稿では,ロボットハードウェアプラットフォームにおけるモデルベースコントローラの展開を効率化するための,データ駆動型戦略を提案する。 モデルフリーな安全な学習アルゴリズムを用いて制御ゲインのチューニングを自動化し、制御定式化で使用される単純化されたモデルと実システムとのミスマッチに対処する。
  論文  参考訳（メタデータ） (2023-06-12T13:10:14Z)
• Nonprehensile Riemannian Motion Predictive Control [57.295751294224765]
  本稿では,リアル・ツー・シムの報酬分析手法を導入し,リアルなロボット・プラットフォームに対する行動の可能性を確実に予測する。 連続的なアクション空間でオブジェクトを反応的にプッシュするクローズドループコントローラを作成します。 我々は,RMPCが乱雑な環境だけでなく,乱雑な環境においても頑健であり,ベースラインよりも優れていることを観察した。
  論文  参考訳（メタデータ） (2021-11-15T18:50:04Z)
• Attainment Regions in Feature-Parameter Space for High-Level Debugging in Autonomous Robots [8.147652597876862]
  パフォーマンス関数は、ロボットの動作に関する洞察を与える。 アクション状態空間が大きければ高次元システムでは、コントローラーを微調整することは自明ではない。 制御器の外部特徴とパラメータによってドメインが定義される性能関数を提案する。
  論文  参考訳（メタデータ） (2021-08-06T14:45:57Z)
• Online Body Schema Adaptation through Cost-Sensitive Active Learning [63.84207660737483]
  この作業は、icubロボットシミュレータの7dofアームを使用して、シミュレーション環境で実行された。 コストに敏感な能動学習手法は最適な関節構成を選択するために用いられる。 その結果,コスト依存型能動学習は標準的な能動学習手法と同等の精度を示し,実行運動の約半分を減らした。
  論文  参考訳（メタデータ） (2021-01-26T16:01:02Z)
• Learning Compliance Adaptation in Contact-Rich Manipulation [81.40695846555955]
  本稿では,コンタクトリッチタスクに必要な力プロファイルの予測モデルを学習するための新しいアプローチを提案する。 このアプローチは、双方向Gated Recurrent Units (Bi-GRU) に基づく異常検出と適応力/インピーダンス制御を組み合わせたものである。
  論文  参考訳（メタデータ） (2020-05-01T05:23:34Z)

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。