論文の概要: Fast and Safe Trajectory Optimization for Mobile Manipulators With Neural Configuration Space Distance Field
- arxiv url: http://arxiv.org/abs/2601.18548v2
- Date: Tue, 27 Jan 2026 06:36:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-23 08:17:40.950942
- Title: Fast and Safe Trajectory Optimization for Mobile Manipulators With Neural Configuration Space Distance Field
- Title（参考訳）: ニューラル構成空間距離場を有する移動マニピュレータの高速かつ安全な軌道最適化
- Authors: Yulin Li, Zhiyuan Song, Yiming Li, Zhicheng Song, Kai Chen, Chunxin Zheng, Zhihai Bi, Jiahang Cao, Sylvain Calinon, Fan Shi, Jun Ma,
- Abstract要約: Generalized Space Fields (GCDF) は、ベースアーム結合を移動マニピュレータに拡張するために使用できる。
GCDFは、非有界空間における全体構成をエンコードする。
我々はGCDFに基づく推論を中心に,高性能な最適化解法を開発した。
- 参考スコア（独自算出の注目度）: 34.07401865897874
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Mobile manipulators promise agile, long-horizon behavior by coordinating base and arm motion, yet whole-body trajectory optimization in cluttered, confined spaces remains difficult due to high-dimensional nonconvexity and the need for fast, accurate collision reasoning. Configuration Space Distance Fields (CDF) enable fixed-base manipulators to model collisions directly in configuration space via smooth, implicit distances. This representation holds strong potential to bypass the nonlinear configuration-to-workspace mapping while preserving accurate whole-body geometry and providing optimization-friendly collision costs. Yet, extending this capability to mobile manipulators is hindered by unbounded workspaces and tighter base-arm coupling. We lift this promise to mobile manipulation with Generalized Configuration Space Distance Fields (GCDF), extending CDF to robots with both translational and rotational joints in unbounded workspaces with tighter base-arm coupling. We prove that GCDF preserves Euclidean-like local distance structure and accurately encodes whole-body geometry in configuration space, and develop a data generation and training pipeline that yields continuous neural GCDFs with accurate values and gradients, supporting efficient GPU-batched queries. Building on this representation, we develop a high-performance sequential convex optimization framework centered on GCDF-based collision reasoning. The solver scales to large numbers of implicit constraints through (i) online specification of neural constraints, (ii) sparsity-aware active-set detection with parallel batched evaluation across thousands of constraints, and (iii) incremental constraint management for rapid replanning under scene changes.
- Abstract（参考訳）: 移動マニピュレータは、ベースとアームの動きをコーディネートすることで、アジャイルで長い水平な振る舞いを約束するが、高次元の非凸性や高速で正確な衝突推論の必要性のため、散らばった狭い空間における全身軌道の最適化は難しいままである。
構成空間距離場(CDF:Configuration Space Distance Fields)は、固定ベースマニピュレータがスムーズで暗黙的な距離を通じて、構成空間内で直接衝突をモデル化できるようにする。
この表現は、正確な全身形状を保ち、最適化に優しい衝突コストを提供しながら、非線形な構成-ワークスペースマッピングをバイパスする強い可能性を持っている。
しかし、この機能をモバイルマニピュレータに拡張することは、無制限のワークスペースとより厳密なベースアーム結合によって妨げられる。
我々は、一般構成空間距離場(GCDF)による移動操作の約束を解除し、より緊密なベースアーム結合を有する非有界ワークスペースにおいて、翻訳継手と回転継手の両方を持つロボットにCDFを拡張した。
我々はGCDFがユークリッドのような局所的距離構造を保ち、構成空間における全身形状を正確に符号化し、正確な値と勾配を持つ連続的なニューラルGCDFを生成するデータ生成およびトレーニングパイプラインを開発し、効率的なGPUバッチクエリをサポートすることを証明した。
この表現に基づいて,GCDFに基づく衝突推論を中心に,高性能な逐次凸最適化フレームワークを開発する。
解法は多数の暗黙の制約にスケールする
(i)神経制約のオンライン仕様
(II)何千もの制約にまたがる並列バッチ評価による空間性を考慮したアクティブセット検出
三 シーン変更による急激な再計画のための漸進的制約管理。
関連論文リスト
- CSSDF-Net: Safe Motion Planning Based on Neural Implicit Representations of Configuration Space Distance Field [23.48697826890044]
非構造環境における高次元マニピュレータ操作には、異なるシーンに依存しない距離問合せ機構が必要である。
CSSDF-Netは、連続署名された距離フィールドを構成空間内で直接学習し、共同空間距離と勾配クエリを提供する。
平面アームと7-DoFマニピュレータの実験は、静的および動的シーンにおける安定した勾配、効果的な衝突回避を示す。
論文 参考訳（メタデータ） (2026-03-19T09:31:41Z) - Vision-Guided MPPI for Agile Drone Racing: Navigating Arbitrary Gate Poses via Neural Signed Distance Fields [8.66703842496129]
ドローンレースには、極端なアジリティの下での認識、計画、制御の緊密な結合が必要です。
近年のアプローチは、事前計算された空間基準軌道や明示的な6-DoFゲートポーズ推定に依存している。
そこで我々は,任意の配置と配向ゲートを介して,参照不要のアジャイル飛行を可能にするビジョンガイド付き最適制御フレームワークを提案する。
論文 参考訳（メタデータ） (2026-03-07T13:18:07Z) - Iterative Convex Optimization with Control Barrier Functions for Obstacle Avoidance among Polytopes [3.8436274588467696]
多目的ロボットによる障害物回避は、最適化に基づく制御と軌道計画において難しい問題である。
既存の手法は、幾何学力学を歪ませる楕円体のような双対距離近似に頼っている。
本稿では,安全クリティカルナビゲーションプログラムのための新しい反復凸性有限水平最適化フレームワークを提案する。
論文 参考訳（メタデータ） (2026-03-06T05:10:44Z) - IoUCert: Robustness Verification for Anchor-based Object Detectors [58.35703549470485]
IoUCertは、アンカーベースのオブジェクト検出アーキテクチャにおいて、これらのボトルネックを克服するために設計された、新しい形式的検証フレームワークである。
本手法は, SSD, YOLOv2, YOLOv3など, 現実的なアンカーベースモデルの各種入力摂動に対するロバスト性検証を可能にする。
論文 参考訳（メタデータ） (2026-03-03T14:36:46Z) - Constraining Streaming Flow Models for Adapting Learned Robot Trajectory Distributions [10.615762867055677]
Streaming Flow Policies (SFPs) は,学習速度場をアクション空間に直接統合することにより,ロボット軌道を生成するための強力なパラダイムとして登場した。
本研究では,ストリーミングフローポリシーを制約に依存したメトリクスで拡張し,実行中に学習速度場を再構築するフレームワークであるConstraint-Aware Streaming Flow (CASF)を提案する。
シミュレーションおよび実世界の操作タスクにおいてCASFを実証し、スムーズで実現可能で、動的に一貫した制約を満たす軌道を生成することを示した。
論文 参考訳（メタデータ） (2026-02-17T13:27:05Z) - Rethinking Multi-Condition DiTs: Eliminating Redundant Attention via Position-Alignment and Keyword-Scoping [61.459927600301654]
マルチコンディション制御は従来のコンカデント・アンド・アットエンドの戦略によってボトルネックとなる。
分析の結果,これらの相互作用の多くは空間的にも意味的にも冗長であることがわかった。
本稿では,これらの冗長性を解消するための高効率なフレームワークであるPKAを提案する。
論文 参考訳（メタデータ） (2026-02-06T16:39:10Z) - Bidirectional Feature-aligned Motion Transformation for Efficient Dynamic Point Cloud Compression [97.66080040613726]
特徴空間における動きを暗黙的にモデル化する双方向特徴整合運動変換(Bi-FMT)フレームワークを提案する。
Bi-FMTは、時間的に一貫した潜在表現を生成するために、過去と将来の両方のフレームで機能を調整する。
圧縮効率とランタイムの両方において, Bi-FMT が D-DPCC と AdaDPCC を上回っていることを示す。
論文 参考訳（メタデータ） (2025-09-18T03:51:06Z) - GC-VLN: Instruction as Graph Constraints for Training-free Vision-and-Language Navigation [61.34589819350429]
視覚・言語ナビゲーション(VLN)のための学習自由フレームワークを提案する。
本フレームワークは,指示を明示的な空間的制約に分解することで,グラフ制約最適化としてナビゲーションガイダンスを定式化する。
我々のフレームワークは、新しい環境や命令セットに効果的に一般化することができ、より堅牢で自律的なナビゲーションフレームワークへの道を開くことができる。
論文 参考訳（メタデータ） (2025-09-12T17:59:58Z) - SAFE--MA--RRT: Multi-Agent Motion Planning with Data-Driven Safety Certificates [6.77934423529734]
本稿では,同種線形マルチエージェントシステムのための完全なデータ駆動型モーションプランニングフレームワークを提案する。
各エージェントは実験データからクローズドループの挙動を独立に学習する。
サンプリングベースのプランナーは、隣接する楕円体が重なり合う場合にのみ遷移が許されるような経路点のツリーを構築する。
論文 参考訳（メタデータ） (2025-09-04T17:34:59Z) - Risk-Averse MPC via Visual-Inertial Input and Recurrent Networks for
Online Collision Avoidance [95.86944752753564]
本稿では,モデル予測制御(MPC)の定式化を拡張したオンライン経路計画アーキテクチャを提案する。
我々のアルゴリズムは、状態推定の共分散を推論するリカレントニューラルネットワーク(RNN)とオブジェクト検出パイプラインを組み合わせる。
本手法のロバスト性は, 複雑な四足歩行ロボットの力学で検証され, ほとんどのロボットプラットフォームに適用可能である。
論文 参考訳（メタデータ） (2020-07-28T07:34:30Z)
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。