論文の概要: Approximately Optimal Global Planning for Contact-Rich SE(2) Manipulation on a Graph of Reachable Sets

• arxiv url: http://arxiv.org/abs/2601.10827v1
• Date: Thu, 15 Jan 2026 20:00:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-19 20:21:50.28126
• Title: Approximately Optimal Global Planning for Contact-Rich SE(2) Manipulation on a Graph of Reachable Sets
• Title（参考訳）: 接点・接点・接点・接点・接点・接点・接点・接点・接点・接点・接点・接点・接点・接点・接点・接点・接点・接点・接点・接点・接点・接点・接点・接点・接点・接点・接点
• Authors: Simin Liu, Tong Zhao, Bernhard Paus Graesdal, Peter Werner, Jiuguang Wang, John Dolan, Changliu Liu, Tao Pang,
• Abstract要約: コンタクトリッチな操作は、エンドエフェクターのみに依存するよりもはるかに効率的で自然である。 ほぼ最適なマニピュレータ計画を計算する新しいパラダイムを導入する。 オンライン上では、このグラフを効果的に計算し、グローバルに最適化された動作のためのローカルプランをシークエンシングする計画を立てている。
• 参考スコア（独自算出の注目度）: 17.613192764507055
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: If we consider human manipulation, it is clear that contact-rich manipulation (CRM)-the ability to use any surface of the manipulator to make contact with objects-can be far more efficient and natural than relying solely on end-effectors (i.e., fingertips). However, state-of-the-art model-based planners for CRM are still focused on feasibility rather than optimality, limiting their ability to fully exploit CRM's advantages. We introduce a new paradigm that computes approximately optimal manipulator plans. This approach has two phases. Offline, we construct a graph of mutual reachable sets, where each set contains all object orientations reachable from a starting object orientation and grasp. Online, we plan over this graph, effectively computing and sequencing local plans for globally optimized motion. On a challenging, representative contact-rich task, our approach outperforms a leading planner, reducing task cost by 61%. It also achieves a 91% success rate across 250 queries and maintains sub-minute query times, ultimately demonstrating that globally optimized contact-rich manipulation is now practical for real-world tasks.
• Abstract（参考訳）: 人間の操作を考えると、接触リッチな操作(CRM) - マニピュレータの表面を使って物体と接触する能力は、エンドエフェクター(指先など)にのみ依存するよりもはるかに効率的で自然なものであることは明らかである。 しかしながら、CRMの最先端のモデルベースのプランナーは、最適性よりも実現可能性に重点を置いており、CRMの利点を完全に活用する能力に限界があります。 ほぼ最適なマニピュレータ計画を計算する新しいパラダイムを導入する。 このアプローチには2つのフェーズがあります。 オフラインでは、互いに到達可能な集合のグラフを構築し、各集合は開始対象の向きから到達可能なすべての対象の向きを含み、把握する。 オンライン上では、このグラフを効果的に計算し、グローバルに最適化された動作のためのローカルプランをシークエンシングする計画を立てている。 難易度の高いコンタクトリッチなタスクにおいて、我々のアプローチは主要なプランナーよりも優れ、タスクコストを61%削減します。 また、250のクエリで91%の成功率を実現し、サブ分間のクエリ時間を維持し、最終的には、グローバルに最適化されたコンタクトリッチな操作が現実のタスクに実用的であることを実証した。

関連論文リスト

• COMPASS: A Multi-Turn Benchmark for Tool-Mediated Planning & Preference Optimization [47.26757420020116]
  本稿では,現実的な旅行計画シナリオにおけるエージェントの評価を行うベンチマークを提案する。 我々は、20の国立公園の交通、宿泊、チケット販売を網羅する現実的な旅行データベースを構築している。 i) エージェントが制約を確実に満たすが、選好を最適化できない、(ii) 計画調整のギャップ、(ii) マルチサービス(フライトとホテル)の調整タスクのパフォーマンスが崩壊する、という2つの重要なギャップを明らかにする。
  論文  参考訳（メタデータ） (2025-10-08T14:09:46Z)
• ATLAS: Constraints-Aware Multi-Agent Collaboration for Real-World Travel Planning [53.065247112514534]
  ATLASは、現実世界の旅行計画タスクにおける制約意識の複雑な性質を扱うために設計された汎用マルチエージェントフレームワークである。 我々はTravelPlannerベンチマークで最先端のパフォーマンスを示し、最終パスレートを23.3%から44.4%に改善した。
  論文  参考訳（メタデータ） (2025-09-29T23:23:52Z)
• ELHPlan: Efficient Long-Horizon Task Planning for Multi-Agent Collaboration [25.45699736192177]
  大規模言語モデル(LLM)は、インテリジェントなマルチロボットコラボレーションを可能にするが、基本的なトレードオフに直面している。 本稿では,アクションチェーンを導入した新たなフレームワークであるELHPlanを提案する。
  論文  参考訳（メタデータ） (2025-09-29T03:15:56Z)
• Optimal Interactive Learning on the Job via Facility Location Planning [33.2668546005654]
  協調型ロボットは、ユーザを圧倒することなく、新しいタスクやユーザの好みに継続的に適応しなければならない。 タスク列間の人間の労力を最小限に抑えるマルチタスクインタラクションプランナであるCOILを提案する。 我々は,タスク完了を成功させながら,人間に割り当てる作業量を大幅に削減できることを示す。
  論文  参考訳（メタデータ） (2025-05-01T12:45:09Z)
• World Modeling Makes a Better Planner: Dual Preference Optimization for Embodied Task Planning [60.100794160682646]
  そこで本稿では,嗜好学習による状態予測と行動選択を協調的に最適化する新たな学習フレームワークを提案する。 人間のアノテーションを使わずに軌道や段階的な選好データを自動的に収集するために,試行錯誤による広範囲な探索のための木探索機構を導入する。 提案手法は,Qwen2-VL (7B), LLaVA-1.6 (7B), LLaMA-3.2 (11B) に適用した場合, 既存の手法と GPT-4o を著しく上回っている。
  論文  参考訳（メタデータ） (2025-03-13T15:49:56Z)
• PWM: Policy Learning with Multi-Task World Models [37.678858748473196]
  世界モデル手法は、環境のシミュレーションを学習することでスケーラビリティを提供する。 勾配に基づく手法は低い分散を示すが、不連続性を扱うことができない。 連続制御のための新しいモデルベースRLアルゴリズムであるマルチタスク世界モデル(PWM)を用いたポリシー学習を紹介する。
  論文  参考訳（メタデータ） (2024-07-02T17:47:03Z)
• Learning adaptive planning representations with natural language guidance [90.24449752926866]
  本稿では,タスク固有の計画表現を自動構築するフレームワークであるAdaについて述べる。 Adaは、プランナー互換の高レベルアクション抽象化と、特定の計画タスク領域に適応した低レベルコントローラのライブラリを対話的に学習する。
  論文  参考訳（メタデータ） (2023-12-13T23:35:31Z)
• APGL4SR: A Generic Framework with Adaptive and Personalized Global Collaborative Information in Sequential Recommendation [86.29366168836141]
  逐次推薦のための適応およびパーソナライズされたグラフ学習(APGL4SR)というグラフ駆動型フレームワークを提案する。 APGL4SRは、適応的でパーソナライズされたグローバルな協調情報をシーケンシャルレコメンデーションシステムに組み込む。 一般的なフレームワークとして、APGL4SRは大きなマージンを持つ他のベースラインよりも優れている。
  論文  参考訳（メタデータ） (2023-11-06T01:33:24Z)
• Optimal Cost-Preference Trade-off Planning with Multiple Temporal Tasks [3.655021726150368]
  個別のタスクやその関係性よりも好みを表現できる汎用的な枠組みを提供する新しい選好概念を導入する。 我々は,ユーザの好みに従属する行動と,リソース最適である行動の最適トレードオフ(Pareto)分析を行う。
  論文  参考訳（メタデータ） (2023-06-22T21:56:49Z)
• Maximize to Explore: One Objective Function Fusing Estimation, Planning, and Exploration [87.53543137162488]
  我々はtextttMEX というオンライン強化学習(オンラインRL)フレームワークを提案する。 textttMEXは、自動的に探索エクスプロイトのバランスをとりながら、見積もりと計画コンポーネントを統合する。 様々な MuJoCo 環境では,ベースラインを安定的なマージンで上回り,十分な報酬を得られる。
  論文  参考訳（メタデータ） (2023-05-29T17:25:26Z)

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。