論文の概要: Robust Rigid Body Assembly via Contact-Implicit Optimal Control with Exact Second-Order Derivatives

• arxiv url: http://arxiv.org/abs/2601.22849v1
• Date: Fri, 30 Jan 2026 11:21:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:41.033325
• Title: Robust Rigid Body Assembly via Contact-Implicit Optimal Control with Exact Second-Order Derivatives
• Title（参考訳）: 特殊二階導関数を用いた接触型最適制御によるロバスト剛体組立
• Authors: Christian Dietz, Sebastian Albrecht, Gianluca Frison, Moritz Diehl, Armin Nurkanović,
• Abstract要約: 本稿では, 組立動作決定のためのサンプル効率の高いロバスト最適制御手法を提案する。 数値解法に二階解析微分を与える微分可能な物理シミュレーションを構築する。 物理シミュレーション問題の解法は、衝突検出と接触分解問題の両方に適用された内部点法にインスパイアされた平滑化を用いて微分可能とする。
• 参考スコア（独自算出の注目度）: 0.9079873854272275
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Efficient planning of assembly motions is a long standing challenge in the field of robotics that has been primarily tackled with reinforcement learning and sampling-based methods by using extensive physics simulations. This paper proposes a sample-efficient robust optimal control approach for the determination of assembly motions, which requires significantly less physics simulation steps during planning through the efficient use of derivative information. To this end, a differentiable physics simulation is constructed that provides second-order analytic derivatives to the numerical solver and allows one to traverse seamlessly from informative derivatives to accurate contact simulation. The solution of the physics simulation problem is made differentiable by using smoothing inspired by interior-point methods applied to both the collision detection as well as the contact resolution problem. We propose a modified variant of an optimization-based formulation of collision detection formulated as a linear program and present an efficient implementation for the nominal evaluation and corresponding first- and second-order derivatives. Moreover, a multi-scenario-based trajectory optimization problem that ensures robustness with respect to sim-to-real mismatches is derived. The capability of the considered formulation is illustrated by results where over 99\% successful executions are achieved in real-world experiments. Thereby, we carefully investigate the effect of smooth approximations of the contact dynamics and robust modeling on the success rates. Furthermore, the method's capability is tested on different peg-in-hole problems in simulation to show the benefit of using exact Hessians over commonly used Hessian approximations.
• Abstract（参考訳）: 組立動作の効率的な計画法は、ロボット工学の分野で長年の課題であり、大規模な物理シミュレーションを用いて強化学習とサンプリングに基づく手法に主に取り組まれてきた。 本稿では, 導関数情報の効率的な利用による設計において, 物理シミュレーションのステップを著しく少なくする, 組立動作決定のための, サンプル効率のよいロバストな最適制御手法を提案する。 この目的のために、2階解析微分を数値解法に提供し、情報導関数から正確な接触シミュレーションへシームレスに伝達できる微分可能な物理シミュレーションを構築した。 物理シミュレーション問題の解法は、衝突検出および接触分解問題の両方に適用された内部点法にインスパイアされた平滑化を用いて微分可能とする。 本稿では,線形プログラムとして定式化された衝突検出の最適化に基づく定式化の修正版を提案する。 さらに、sim-to-realミスマッチに対するロバスト性を保証するマルチシナリオベースの軌道最適化問題を導出する。 検討された定式化の能力は、実世界の実験で99 %以上の成功した実行が達成された結果によって示される。 これにより,接触力学のスムーズな近似とロバストなモデリングが成功率に与える影響を慎重に検討する。 さらに, シミュレーションにおけるペグ・イン・ホール問題に対して, 一般的なヘッセン近似よりも正確なヘッセン近似を用いることの利点を検証した。

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)
• Online Inference of Constrained Optimization: Primal-Dual Optimality and Sequential Quadratic Programming [55.848340925419286]
  等式制約と不等式制約を持つ2次最適化問題の解に対するオンライン統計的推測について検討した。 これらの問題を解決するための逐次プログラミング(SSQP)手法を開発し、目的の近似と制約の線形近似を逐次実行することでステップ方向を計算する。 本手法は,Hjek と Le Cam の意味での最適原始双対制限行列を用いて局所正規性を示す。
  論文  参考訳（メタデータ） (2025-11-27T06:16:17Z)
• Event-Aided Time-to-Collision Estimation for Autonomous Driving [28.13397992839372]
  ニューロモルフィックなイベントベースカメラを用いて衝突時刻を推定する新しい手法を提案する。 提案アルゴリズムは, 事象データに適合する幾何モデルに対して, 効率的かつ高精度な2段階のアプローチで構成する。 合成データと実データの両方の実験により,提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2024-07-10T02:37:36Z)
• DeepSimHO: Stable Pose Estimation for Hand-Object Interaction via Physics Simulation [81.11585774044848]
  我々は、前方物理シミュレーションと後方勾配近似とニューラルネットワークを組み合わせた新しいディープラーニングパイプラインであるDeepSimHOを紹介する。 提案手法は, 評価の安定性を著しく向上し, テスト時間最適化よりも優れた効率性を実現する。
  論文  参考訳（メタデータ） (2023-10-11T05:34:36Z)
• Improving Gradient Computation for Differentiable Physics Simulation with Contacts [10.450509067356148]
  接触による剛体シミュレーションについて検討した。 連続衝突検出による勾配計算の改善とTOI(Time-of-Ipact)の利用を提案する。 そこで,TOI-Veでは,解析解と一致する最適制御系列を学習できることを示す。
  論文  参考訳（メタデータ） (2023-04-28T21:10:16Z)
• Efficient Differentiable Simulation of Articulated Bodies [89.64118042429287]
  本稿では, 音素の効率的な微分可能シミュレーション法を提案する。 これにより、ボディダイナミクスを深層学習フレームワークに統合することが可能になる。 提案手法を用いて, 調音システムによる強化学習を高速化できることを示す。
  論文  参考訳（メタデータ） (2021-09-16T04:48:13Z)
• DiffPD: Differentiable Projective Dynamics with Contact [65.88720481593118]
  DiffPDは、暗黙の時間積分を持つ効率的な微分可能なソフトボディシミュレータである。 我々はDiffPDの性能を評価し,様々な応用における標準ニュートン法と比較して4～19倍のスピードアップを観測した。
  論文  参考訳（メタデータ） (2021-01-15T00:13:33Z)
• ADD: Analytically Differentiable Dynamics for Multi-Body Systems with Frictional Contact [26.408218913234872]
  剛体および変形可能な物体に対する摩擦接触を処理できる微分可能な動的解法を提案する。 本手法は, 摩擦接触の非平滑な性質に起因した主な困難を回避できる。
  論文  参考訳（メタデータ） (2020-07-02T09:51:36Z)

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。