論文の概要: Optimizing Robotic Placement via Grasp-Dependent Feasibility Prediction

• arxiv url: http://arxiv.org/abs/2512.18922v1
• Date: Sun, 21 Dec 2025 23:47:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:40.457645
• Title: Optimizing Robotic Placement via Grasp-Dependent Feasibility Prediction
• Title（参考訳）: Grasp-Dependent Feasibility Predictionによるロボット配置の最適化
• Abstract要約: パスワイド・逆キネマティクス(IK)の実現可能性とメッシュからの衝突フラグの2つのパス認識ラベルを同一テンプレートに沿って生成する。 コンパクトなデュアル出力は、これらの信号をポーズエンコーディングから学習し、テスト時には、そのスコアがベースラインと同じIKゲートとプランナーの下でランク付き計画ポリシーの事前計算された候補をランク付けする。 定めの予算では、政策は最終的な成功を維持しながらプランナーの呼び出しを減らしながら、より早く成功の道を見つける。
• 参考スコア（独自算出の注目度）: 2.682400665831876
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper, we study whether inexpensive, physics-free supervision can reliably prioritize grasp-place candidates for budget-aware pick-and-place. From an object's initial pose, target pose, and a candidate grasp, we generate two path-aware geometric labels: path-wise inverse kinematics (IK) feasibility across a fixed approach-grasp-lift waypoint template, and a transit collision flag from mesh sweeps along the same template. A compact dual-output MLP learns these signals from pose encodings, and at test time its scores rank precomputed candidates for a rank-then-plan policy under the same IK gate and planner as the baseline. Although learned from cheap labels only, the scores transfer to physics-enabled executed trajectories: at a fixed planning budget the policy finds successful paths sooner with fewer planner calls while keeping final success on par or better. This work targets a single rigid cuboid with side-face grasps and a fixed waypoint template, and we outline extensions to varied objects and richer waypoint schemes.
• Abstract（参考訳）: 本稿では,安価で物理のない監督が,予算対応のピック・アンド・プレイス候補を確実に優先順位付けできるかどうかを考察する。 対象物の初期ポーズ, ターゲットポーズ, および候補把握から, パスワイド逆運動学(IK)実現可能性とメッシュからのトランジション衝突フラグの2つのパス認識幾何ラベルを生成する。 コンパクトなデュアル出力MLPは、ポーズエンコーディングからこれらの信号を学習し、テスト時には、そのスコアがベースラインと同じIKゲートとプランナーの下でランク付き計画ポリシーの事前計算候補にランク付けされる。 定型的な計画予算では、政策はより早く成功し、プランナーからの電話は少なくなり、最終的な成功は同等かそれ以上に維持される。 本研究は, 片面グリップと固定されたウェイポイントテンプレートを備えた単一剛体立方体を対象とし, 様々なオブジェクトへの拡張とよりリッチなウェイポイントスキームについて概説する。

関連論文リスト

• SAGP: Semantic Affordance-Guided Grasp Planning via Coarse-Zone VLM Reasoning [1.8988957322012407]
  幾何学に基づく把握プランナーは、物理的に妥当な把握を保証するが、機能的意味論を無視する。 幾何的把握計画に高レベルの意味論的推論を強く結び付ける、実践的で訓練のないフレームワークはまだ提案されていない。 本稿では,粗いゾーン抽象化層上に構築されたトレーニングフリーパイプラインであるSemantic Affordance-Guided Grasp Planning (SAGP)を紹介する。
  論文  参考訳（メタデータ） (2026-07-31T12:59:05Z)
• AutoPath: Learning Transferable Goal-Conditioned Stochastic Path Prior for Safe Navigation Without Human Demonstrations [103.61864552260316]
  動的環境におけるリアルタイムナビゲーションは、限られた知覚下での衝突のない、動的に実現可能な動きを必要とする。 我々は,移動可能な目標整合経路の学習としてナビゲーションを定式化し,局所的な観測に基づいて,目標整合な局所経路上の再利用可能な分布をモデル化する。 我々は、幾何対応の極性行動多様体を用いて局所経路をパラメータ化し、安定かつ安全対応の計画のためのマルチゴール分散ロールアウトによるリスク感応性ユーティリティシェーピングを含む構造化された事前学習フレームワークを開発した。
  論文  参考訳（メタデータ） (2026-07-13T16:00:41Z)
• A First-Principles Derivation of LLM Policy Optimization: From Expected Reward to GRPO and Its Structural Extensions [22.979195282807144]
  言語モデルのポリシー勾配アルゴリズムは、同じ目的の$J() = mathbbE*sim p*()[R()]$を最適化する。 REINFORCE から PPO から GRPO へのすべての方法は、前述の定式化において特定の障害に対処するために1つまたは両方の因子を変更する。 この調査では、LLMポリシーの最適化の展望を、第一原則に関する$J()$から見直している。
  論文  参考訳（メタデータ） (2026-06-15T13:55:23Z)
• Beyond Waypoints: A Trajectory-Centric Waypointing Paradigm for Vision-Language Navigation [79.12557132788139]
  VLN-CE(Vision-Language Navigation in Continuous Environments)では、エージェントが現実世界のような環境でナビゲートしながら自然言語の指示に従う必要がある。 ほとんどのVLN-CEアプローチでは、ウェイポイント予測器がウェイポイントを提案し、ナビゲータが最良のウェイポイントを選択する。 提案手法は,各候補の経路点を実行可能な軌道に配置する,トラジェクトリ・ウェイポイントという新しいパラダイムを導入する。
  論文  参考訳（メタデータ） (2026-06-05T13:11:39Z)
• Waypoints Matter: A Systematic Study for Sampling-Based Trajectory Planning [1.376408511310322]
  リアルタイム自動運転は通常、サンプリングベースの軌道プランナーに依存している。 本稿では,ウェイポイント配置を一級設計変数として扱う。
  論文  参考訳（メタデータ） (2026-06-04T16:35:30Z)
• Geometry-Aligned LLM Fine-Tuning for Sequential Narrow-Opening Planning [6.579320299248572]
  複数の狭い開口部を通した剛体運動計画について検討した。 そこで本研究では,幾何整合型大規模言語モデル(LLM)の微調整フレームワークを提案する。 本手法は,流通環境とアウト・オブ・ディストリビューション環境の両方において,最も高い成功率を達成する。
  論文  参考訳（メタデータ） (2026-03-17T00:24:32Z)
• GBPP: Grasp-Aware Base Placement Prediction for Robots via Two-Stage Learning [10.736029638634504]
  GBPPは高速学習ベースのスコアラーで、単一のRGBDスナップショットから把握するロボットベースのポーズを選択する。 本手法では,(1) 簡易な距離可視ルールが大規模データセットを低コストで自動ラベルし,(2) より小さな高忠実度シミュレーション試行によって,真の把握結果に適合するモデルが洗練される,という2段階のカリキュラムを用いている。
  論文  参考訳（メタデータ） (2025-09-15T05:25:40Z)
• Enhancing Path Planning Performance through Image Representation Learning of High-Dimensional Configuration Spaces [0.4143603294943439]
  障害物のある未知のシーンにおける経路計画タスクを高速化する新しい手法を提案する。 高速探索ランダムツリーアルゴリズムを用いて,衝突のない経路の経路点分布を近似した。 本実験は,臨界時間制約下での経路計画タスクを高速化する有望な結果を実証する。
  論文  参考訳（メタデータ） (2025-01-11T21:14:52Z)
• SPARE: Symmetrized Point-to-Plane Distance for Robust Non-Rigid 3D Registration [77.13381026159111]
  本研究では,SPAREを提案する。SPAREは,非剛性登録のための対称化点-平面間距離を用いた新しい定式化である。 提案手法は, 厳密でない登録問題の精度を大幅に向上し, 比較的高い解効率を維持する。
  論文  参考訳（メタデータ） (2024-05-30T15:55:04Z)
• Path Planning in a dynamic environment using Spherical Particle Swarm Optimization [0.0]
  本研究では, 球面ベクトルを用いた粒子群最適化技術を用いたUAV用動的パスプランナ(DPP)を提案する。 経路は、チェックポイントを再計画する一組の経路として構築されている。経路長、安全、姿勢、経路平滑性はすべて、最適な経路がどうあるべきかを決定する上で考慮される。 実際のデジタル標高モデルを用いて4つのテストシナリオが実施される。それぞれのテストは、SPSO-DPPが安全で効率的な経路セグメントを生成することができるかを示すために、パスの長さと安全性に異なる優先順位を与える。
  論文  参考訳（メタデータ） (2024-03-19T13:56:34Z)
• Long-Horizon Visual Planning with Goal-Conditioned Hierarchical Predictors [124.30562402952319]
  未来に予測し、計画する能力は、世界で行動するエージェントにとって基本である。 視覚的予測と計画のための現在の学習手法は、長期的タスクでは失敗する。 本稿では,これらの制約を克服可能な視覚的予測と計画のためのフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-06-23T17:58:56Z)
• Orientation Attentive Robotic Grasp Synthesis with Augmented Grasp Map Representation [62.79160608266713]
  物体の形態学的特徴は、ロボットの把握の視覚的学習を阻害する、幅広い可視的把握方向を提供する可能性がある。 既存のグリップ生成アプローチを呪い、グリップポイント毎に大きく異なる向きのアノテーションを集約することにより、不連続グリップマップを構築する。 そこで本研究では,角度空間を複数のビンに分割することで,方向を局所的に歪曲する,画素ワイズ合成に適した拡張型グリップマップ表現を提案する。
  論文  参考訳（メタデータ） (2020-06-09T08:54:54Z)
• Hallucinative Topological Memory for Zero-Shot Visual Planning [86.20780756832502]
  視覚計画(VP)では、エージェントは、オフラインで取得した動的システムの観察から目標指向の振る舞いを計画することを学ぶ。 以前のVPに関するほとんどの研究は、学習された潜在空間で計画することでこの問題にアプローチし、結果として品質の低い視覚計画を生み出した。 本稿では,画像空間を直接計画し,競合性能を示すシンプルなVP手法を提案する。
  論文  参考訳（メタデータ） (2020-02-27T18:54:42Z)

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。