論文の概要: SCOPE: Smooth Convex Optimization for Planned Evolution of Deformable Linear Objects

• arxiv url: http://arxiv.org/abs/2601.19742v1
• Date: Tue, 27 Jan 2026 16:01:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-30 05:28:32.366849
• Title: SCOPE: Smooth Convex Optimization for Planned Evolution of Deformable Linear Objects
• Title（参考訳）: SCOPE: 変形可能な線形物体の計画的進化のための平滑凸最適化
• Authors: Ali Jnadi, Hadi Salloum, Yaroslav Kholodov, Alexander Gasnikov, Karam Almaghout,
• Abstract要約: 本稿では,変形可能な線形オブジェクト(DLO)をモデル化・操作するための高速かつ効率的なフレームワークSCOPEを提案する。 SCOPEは凸近似を利用して、滑らかで物理的に可塑性な変形を維持しながら計算コストを大幅に削減する。
• 参考スコア（独自算出の注目度）: 37.74280196519128
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present SCOPE, a fast and efficient framework for modeling and manipulating deformable linear objects (DLOs). Unlike conventional energy-based approaches, SCOPE leverages convex approximations to significantly reduce computational cost while maintaining smooth and physically plausible deformations. This trade-off between speed and accuracy makes the method particularly suitable for applications requiring real-time or near-real-time response. The effectiveness of the proposed framework is demonstrated through comprehensive simulation experiments, highlighting its ability to generate smooth shape trajectories under geometric and length constraints.
• Abstract（参考訳）: 本稿では,変形可能な線形オブジェクト(DLO)をモデル化および操作するための,高速かつ効率的なフレームワークSCOPEを提案する。 従来のエネルギーベースのアプローチとは異なり、SCOPEは凸近似を利用して、滑らかで物理的に可能な変形を維持しながら計算コストを大幅に削減する。 この速度と精度のトレードオフは、リアルタイムまたはほぼリアルタイムの応答を必要とするアプリケーションに特に適している。 提案手法の有効性を総合的なシミュレーション実験により明らかにし, 幾何学的および長さ的制約の下で円滑な形状軌道を生成する能力を強調した。

関連論文リスト

• Coordinated Manipulation of Hybrid Deformable-Rigid Objects in Constrained Environments [3.915966095774856]
  本研究は, ひずみに基づくコッサートロッドモデルを用いた準静電最適化に基づく操作プランナを提案する。 これは、厳密なツールで到達不能なオブジェクトに対して、タスク空間の目的を達成する一方で、制約を通して操作するための変形可能なリンクのコンプライアンスを利用する。 提案アルゴリズムは、様々なhDLOシステム上でのシミュレーションや、双腕ロボットシステムを用いた制約環境で操作された3リンクhDLOの実験で検証される。
  論文  参考訳（メタデータ） (2026-03-13T12:34:49Z)
• Non-Rigid Structure-from-Motion via Differential Geometry with Recoverable Conformal Scale [17.935227965480475]
  共形変形下でのNRSfMに対するCon-NRSfMという新しい手法を提案する。 提案手法は,グラフベースのフレームワークにより最適化された2次元画像ワープを用いて,ポイントワイズ再構成を行う。 我々のフレームワークは、他のアプローチでは分離できない深さと等角スケールの制約を分離する。
  論文  参考訳（メタデータ） (2025-10-02T04:46:46Z)
• Three-dimensional Deep Shape Optimization with a Limited Dataset [1.6574413179773761]
  生成モデルは、新しい形状を作り出す能力にかなりの注目を集めている。 メカニカルデザインにおけるそれらの応用は、利用可能なデータセットのサイズとバリエーションが制限されているため、依然として制限されている。 本研究では,限られたデータセットを用いた形状最適化に特化して,ディープラーニングに基づく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） (2025-06-14T03:26:28Z)
• Efficient Design of Compliant Mechanisms Using Multi-Objective Optimization [50.24983453990065]
  そこで本研究では,大きな角状脳卒中を許容できる適合型クロスヒンジ機構の合成について述べる。 キネトスタティックな性能測定に基づいて,多目的最適化問題を定式化する。
  論文  参考訳（メタデータ） (2025-04-23T06:29:10Z)
• Accelerate Neural Subspace-Based Reduced-Order Solver of Deformable Simulation by Lipschitz Optimization [9.364019847856714]
  高DOFで物理シミュレーションを高速化する新しい手法として,低次シミュレーションがある。 本稿では,最適化された部分空間マッピングの探索手法を提案する。 準静的シミュレーションと動的シミュレーションの両方において,本手法の有効性を示す。
  論文  参考訳（メタデータ） (2024-09-05T12:56:03Z)
• A mechanism-driven reinforcement learning framework for shape optimization of airfoils [0.32885740436059047]
  翼形状最適化のための機構駆動強化学習フレームワークを提案する。 強化学習法では、定常方程式の効率的な解法が用いられる。 ニューラルネットワークアーキテクチャは、気翼形状の微妙な変化に学習プロセスをより敏感にするために、注意機構に基づいて設計されている。
  論文  参考訳（メタデータ） (2024-03-07T08:48:42Z)
• SIGMA: Scale-Invariant Global Sparse Shape Matching [50.385414715675076]
  非剛体形状の正確なスパース対応を生成するための新しい混合整数プログラミング(MIP)法を提案する。 いくつかの挑戦的な3Dデータセットに対して,スパースな非剛性マッチングの最先端結果を示す。
  論文  参考訳（メタデータ） (2023-08-16T14:25:30Z)
• DEBOSH: Deep Bayesian Shape Optimization [48.80431740983095]
  形状最適化に適した不確実性に基づく新しい手法を提案する。 効果的なBOを可能にし、その結果の形状の質を最先端のアプローチを超えて向上させる。
  論文  参考訳（メタデータ） (2021-09-28T11:01:42Z)
• Pushing the Envelope of Rotation Averaging for Visual SLAM [69.7375052440794]
  視覚SLAMシステムのための新しい最適化バックボーンを提案する。 従来の単分子SLAMシステムの精度, 効率, 堅牢性を向上させるために, 平均化を活用している。 我々のアプローチは、公開ベンチマークの最先端技術に対して、同等の精度で最大10倍高速に表示することができる。
  論文  参考訳（メタデータ） (2020-11-02T18:02:26Z)
• DynaMiTe: A Dynamic Local Motion Model with Temporal Constraints for Robust Real-Time Feature Matching [47.72468932196169]
  本稿では,ディスクリプタ入力に非依存な軽量パイプラインDynaMiTeを提案する。 DynaMiTeは、マッチング精度とフレームレートの高いカメラポーズ推定の両方で優れた結果を得る。
  論文  参考訳（メタデータ） (2020-07-31T12:18:18Z)

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。