論文の概要: Cross-Entropy Optimization of Physically Grounded Task and Motion Plans

• arxiv url: http://arxiv.org/abs/2512.11571v1
• Date: Fri, 12 Dec 2025 13:59:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:40.302251
• Title: Cross-Entropy Optimization of Physically Grounded Task and Motion Plans
• Title（参考訳）: 物理接地課題と運動計画のクロスエントロピー最適化
• Authors: Andreu Matoses Gimenez, Nils Wilde, Chris Pek, Javier Alonso-Mora,
• Abstract要約: 従来のTAMPアルゴリズムは主に計算性能、完全性、最適性に重点を置いてきた。 我々は、GPU並列化物理シミュレータを用いて、モーションコントローラによる計画の実現を計算している。 我々は,ロボットが環境の幾何学を利用して物体を移動できる一連のタスクに対して,我々のアプローチを実証する。
• 参考スコア（独自算出の注目度）: 15.999074191893657
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Autonomously performing tasks often requires robots to plan high-level discrete actions and continuous low-level motions to realize them. Previous TAMP algorithms have focused mainly on computational performance, completeness, or optimality by making the problem tractable through simplifications and abstractions. However, this comes at the cost of the resulting plans potentially failing to account for the dynamics or complex contacts necessary to reliably perform the task when object manipulation is required. Additionally, approaches that ignore effects of the low-level controllers may not obtain optimal or feasible plan realizations for the real system. We investigate the use of a GPU-parallelized physics simulator to compute realizations of plans with motion controllers, explicitly accounting for dynamics, and considering contacts with the environment. Using cross-entropy optimization, we sample the parameters of the controllers, or actions, to obtain low-cost solutions. Since our approach uses the same controllers as the real system, the robot can directly execute the computed plans. We demonstrate our approach for a set of tasks where the robot is able to exploit the environment's geometry to move an object. Website and code: https://andreumatoses.github.io/research/parallel-realization
• Abstract（参考訳）: 自律的に実行するタスクは、ロボットがそれを実現するために、高レベルな離散的なアクションと連続した低レベルな動きを計画する必要があることが多い。 従来のTAMPアルゴリズムは主に計算性能、完全性、最適性に重点を置いており、問題を単純化と抽象化によって抽出することができる。 しかし、これは、オブジェクト操作が必要なときに確実にタスクを実行するのに必要なダイナミックスや複雑なコンタクトを考慮できない可能性がある、という結果の計画のコストが伴う。 さらに、低レベルコントローラの効果を無視するアプローチでは、実際のシステムに対して最適な計画実現や実現可能な計画実現が得られない可能性がある。 本稿では、GPU並列化物理シミュレータを用いて、モーションコントローラによる計画の実現、ダイナミックスを明確に説明し、環境との接触を考慮する。 クロスエントロピー最適化を用いて、コントローラやアクションのパラメータをサンプリングし、低コストのソリューションを得る。 提案手法は実システムと同じコントローラを使用するため,ロボットは計算した計画を直接実行することができる。 我々は,ロボットが環境の幾何学を利用して物体を移動できる一連のタスクに対して,我々のアプローチを実証する。 Webサイトとコード:https://andreumatoses.github.io/research/parallel-realization

関連論文リスト

• Ultrafast Sampling-based Kinodynamic Planning via Differential Flatness [15.37007491684187]
  AkinoPDFは、多種多様なフラットなロボットシステムのための高速並列サンプリングに基づくキノダイナミックモーションプランニング技術である。 我々の手法は高速で正確で、どのサンプリングベースモーションプランナーとも互換性がある。
  論文  参考訳（メタデータ） (2026-03-17T01:53:10Z)
• ParaMaP: Parallel Mapping and Collision-free Motion Planning for Reactive Robot Manipulation [17.260700135265267]
  未知の環境でのロボット操作には、リアルタイムおよび衝突のないモーションプランニングが依然として困難である。 本研究では,Euclidean Distance Transform(EDT)に基づく環境表現をサンプリングベースモデル予測制御(SMPC)プランナと密に統合する並列マッピングと動作計画フレームワークを提案する。 提案手法の有効性は, 7-DoFロボットマニピュレータを用いた広範囲なシミュレーションと実世界の実験により検証した。
  論文  参考訳（メタデータ） (2025-12-27T12:24:10Z)
• Hierarchical Contact-Rich Trajectory Optimization for Multi-Modal Manipulation using Tight Convex Relaxations [12.578064173652148]
  本稿では,ロボット,オブジェクト,コンタクトの軌跡を効率的に設計し,コンタクトリッチな操作を行うための新しい枠組みを提案する。 本研究では,Mixed-Integer Linear Program (MILP) がロボットとオブジェクト間の最適な接触を選択する階層的最適化フレームワークを提案する。 我々は,MILPがより厳密な解を提供できるようなバイナリ符号化技術を用いて,双線形制約の凸緩和を提案する。
  論文  参考訳（メタデータ） (2025-03-11T01:40:23Z)
• 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)
• Unified Task and Motion Planning using Object-centric Abstractions of Motion Constraints [56.283944756315066]
  本稿では,タスクとモーションプランニングを一つの検索に統一するTAMP手法を提案する。 我々のアプローチは、オフザシェルフAIサーチの計算効率を活用して、物理的に実現可能な計画が得られるような、オブジェクト中心の動作制約の抽象化に基づいている。
  論文  参考訳（メタデータ） (2023-12-29T14:00:20Z)
• Obstacle Avoidance for Robotic Manipulator in Joint Space via Improved Proximal Policy Optimization [6.067589886362815]
  本稿では,6-DoFマニピュレータのタスク空間から関節空間にマップするために,改良されたPPOアルゴリズムを用いて深層ニューラルネットワークを訓練する。 実ロボットでそのようなタスクを訓練するのは時間を要するので、モデルを訓練するためのシミュレーション環境を開発する。 実験結果から,ロボットは非構造環境下で1つの目標をトラッキングしたり,複数の目標に到達することができた。
  論文  参考訳（メタデータ） (2022-10-03T10:21:57Z)
• 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)
• 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)
• Reactive Long Horizon Task Execution via Visual Skill and Precondition Models [59.76233967614774]
  シミュレーションで学習したモデルを用いて、単純なタスクプランナの構成要素をグラウンド化することで、見知らぬロボットタスクを達成できるシミュレート・トゥ・リアル・トレーニングのアプローチについて述べる。 シミュレーションでは91.6%から98%,実世界の成功率は10%から80%に増加した。
  論文  参考訳（メタデータ） (2020-11-17T15:24:01Z)

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。