論文の概要: Hierarchical Deformation Planning and Neural Tracking for DLOs in Constrained Environments
- arxiv url: http://arxiv.org/abs/2512.24974v1
- Date: Wed, 31 Dec 2025 17:11:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-23 08:17:40.59195
- Title: Hierarchical Deformation Planning and Neural Tracking for DLOs in Constrained Environments
- Title（参考訳）: 拘束環境下におけるDLOの階層的変形計画とニューラルトラッキング
- Authors: Yunxi Tang, Tianqi Yang, Jing Huang, Xiangyu Chu, Kwok Wai Samuel Au,
- Abstract要約: 変形可能な線形オブジェクト(DLOs)の操作は、DLOs固有の高次元状態空間と複雑な変形ダイナミクスによって大きな課題が生じる。
制約のある環境でのDLO操作のための新しいフレームワークを提案する。
このフレームワークは階層的な変形計画とニューラルトラッキングを組み合わせることで、大域的な変形合成と局所的な変形追跡の両方において信頼性の高い性能を確保する。
- 参考スコア（独自算出の注目度）: 6.997294378883647
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Deformable linear objects (DLOs) manipulation presents significant challenges due to DLOs' inherent high-dimensional state space and complex deformation dynamics. The wide-populated obstacles in realistic workspaces further complicate DLO manipulation, necessitating efficient deformation planning and robust deformation tracking. In this work, we propose a novel framework for DLO manipulation in constrained environments. This framework combines hierarchical deformation planning with neural tracking, ensuring reliable performance in both global deformation synthesis and local deformation tracking. Specifically, the deformation planner begins by generating a spatial path set that inherently satisfies the homotopic constraints associated with DLO keypoint paths. Next, a path-set-guided optimization method is applied to synthesize an optimal temporal deformation sequence for the DLO. In manipulation execution, a neural model predictive control approach, leveraging a data-driven deformation model, is designed to accurately track the planned DLO deformation sequence. The effectiveness of the proposed framework is validated in extensive constrained DLO manipulation tasks.
- Abstract（参考訳）: 変形可能な線形オブジェクト(DLOs)の操作は、DLOs固有の高次元状態空間と複雑な変形ダイナミクスによって大きな課題が生じる。
現実的な作業空間における広範囲にわたる障害は、さらにDLO操作を複雑にし、効率的な変形計画と頑健な変形追跡を必要とする。
本研究では,制約環境下でのDLO操作のための新しいフレームワークを提案する。
このフレームワークは階層的な変形計画とニューラルトラッキングを組み合わせることで、大域的な変形合成と局所的な変形追跡の両方において信頼性の高い性能を確保する。
具体的には、変形プランナは、DLOキーポイントパスに関連するホモトピー制約を本質的に満足する空間パスセットを生成することから始める。
次に、パスセット誘導最適化法を適用し、DLOの最適時間変形シーケンスを合成する。
データ駆動型変形モデルを利用するニューラルモデル予測制御手法は,DLO変形シーケンスを正確に追跡するために設計されている。
提案手法の有効性は,広範囲な制約付きDLO操作タスクにおいて検証される。
関連論文リスト
- Adaptive Linear Path Model-Based Diffusion [52.84663832658799]
リニアパスモデルベース拡散(LP-MBD)を導入し、分散保存スケジュールをフローマッチング線形確率パスに置き換える。
また,適応型LP-MBD(ALP-MBD)を提案し,タスクの複雑さや環境条件に応じて拡散ステップやノイズレベルを調整する。
論文 参考訳（メタデータ） (2026-02-02T21:33:03Z) - Model-Based Diffusion Sampling for Predictive Control in Offline Decision Making [48.998030470623384]
オフラインの意思決定は、さらなるインタラクションを伴わずに、固定データセットからの信頼性の高い振る舞いを必要とする。
i)タスク整列軌道を多様に生成するプランナー,(ii)システム力学との整合性を強制するダイナミクスモデル,(iii)タスク目標に整合した動作を選択するランサーモジュールからなる構成モデルに基づく拡散フレームワークを提案する。
論文 参考訳（メタデータ） (2025-12-09T06:26:02Z) - Adaptive Digital Twin of Sheet Metal Forming via Proper Orthogonal Decomposition-Based Koopman Operator with Model Predictive Control [14.54038067557375]
デジタルツイン(DT)技術は、複雑なプロセスのリアルタイム予測、監視、制御を可能にすることで製造を変革している。
本研究では,物理認識次元減少のための適切な直交分解(POD)を統合する適応DTフレームワークを提案する。
リアルタイムに演算子係数を更新するために、オンライン再帰最小平方法(RLS)アルゴリズムを導入し、DTモデルの連続的な適応を可能にする。
論文 参考訳（メタデータ） (2025-11-13T23:24:17Z) - Dynamic Manipulation of Deformable Objects in 3D: Simulation, Benchmark and Learning Strategy [88.8665000676562]
従来の手法は、しばしば問題を低速または2D設定に単純化し、現実の3Dタスクに適用性を制限する。
データ不足を軽減するため、新しいシミュレーションフレームワークと、低次ダイナミクスに基づくベンチマークを導入する。
本研究では,シミュレーション前トレーニングと物理インフォームドテスト時間適応を統合するフレームワークであるDynamics Informed Diffusion Policy (DIDP)を提案する。
論文 参考訳（メタデータ） (2025-05-23T03:28:25Z) - Latent Diffusion Planning for Imitation Learning [78.56207566743154]
Latent Diffusion Planning (LDP) は、プランナーと逆ダイナミクスモデルからなるモジュラーアプローチである。
行動予測からプランニングを分離することにより、LDPは最適なデータと行動自由データのより密集した監視信号の恩恵を受けることができる。
シミュレーションされた視覚ロボット操作タスクにおいて、LDPは最先端の模倣学習アプローチより優れている。
論文 参考訳（メタデータ） (2025-04-23T17:53:34Z) - Aligning Diffusion Model with Problem Constraints for Trajectory Optimization [0.6629765271909505]
本稿では,拡散モデルと問題固有の制約を明示的に整合させる新しい手法を提案する。
私たちのアプローチは、Dynamic Data-Driven Application Systems(DDDAS)フレームワークとの統合に適しています。
論文 参考訳（メタデータ） (2025-04-01T01:46:05Z) - Deformable Linear Object Surface Placement Using Elastica Planning and Local Shape Control [0.0]
本稿では,変形可能な線形物体(DLO)を平面上に単一ロボットハンドで配置するための2層的アプローチについて述べる。
高レベル層は、弾性体溶液に基づく新しいDLO表面配置法である。
低レベル層はパイプラインコントローラを形成する。
論文 参考訳（メタデータ） (2025-03-11T15:33:36Z) - Learning from Reward-Free Offline Data: A Case for Planning with Latent Dynamics Models [79.2162092822111]
我々は,一連のナビゲーションタスクにおいて,強化学習(RL)と制御に基づく手法を体系的に評価する。
我々は、JEPA(Joint Embedding Predictive Architecture)を使用して、潜在ダイナミクスモデルを使用し、それを計画に使用します。
その結果,モデルベースプランニングではレイアウトが不明瞭になるのに対して,モデルフリーのRLは高品質なデータから恩恵を受けることがわかった。
論文 参考訳（メタデータ） (2025-02-20T18:39:41Z) - DiFSD: Ego-Centric Fully Sparse Paradigm with Uncertainty Denoising and Iterative Refinement for Efficient End-to-End Self-Driving [55.53171248839489]
我々は、エンドツーエンドの自動運転のためのエゴ中心の完全スパースパラダイムであるDiFSDを提案する。
特に、DiFSDは主にスパース知覚、階層的相互作用、反復的な運動プランナーから構成される。
nuScenesとBench2Driveデータセットで実施された実験は、DiFSDの優れた計画性能と優れた効率を実証している。
論文 参考訳（メタデータ） (2024-09-15T15:55:24Z) - Amortized Network Intervention to Steer the Excitatory Point Processes [8.15558505134853]
動的グラフ上に発生する励起点過程(すなわちイベントフロー)は、時間と空間を通じて離散事象がどのように広がるかを把握するためのきめ細かいモデルを提供する。
動的グラフ構造を変更してイベントフローを効果的に操縦する方法は、感染症の拡散を抑制する動機となる興味深い問題である。
我々はAmortized Network Interventionsフレームワークを設計し、履歴やその他のコンテキストから最適なポリシーをプールできるようにする。
論文 参考訳（メタデータ） (2023-10-06T11:17:28Z)
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。