論文の概要: Learning-based Initialization of Trajectory Optimization for Path-following Problems of Redundant Manipulators
- arxiv url: http://arxiv.org/abs/2602.03418v2
- Date: Mon, 09 Feb 2026 00:29:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-23 08:17:41.135072
- Title: Learning-based Initialization of Trajectory Optimization for Path-following Problems of Redundant Manipulators
- Title（参考訳）: 冗長マニピュレータの経路追従問題に対する軌道最適化の学習に基づく初期化
- Authors: Minsung Yoon, Mincheul Kang, Daehyung Park, Sung-Eui Yoon,
- Abstract要約: 軌道最適化は、6次元の経路に従って冗長なマニピュレータの関節軌道を生成する効率的なツールである。
本稿では,短時間で高品質な初期軌道を生成する学習に基づく初期軌道生成手法を提案する。
- 参考スコア（独自算出の注目度）: 22.18634506601658
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Trajectory optimization (TO) is an efficient tool to generate a redundant manipulator's joint trajectory following a 6-dimensional Cartesian path. The optimization performance largely depends on the quality of initial trajectories. However, the selection of a high-quality initial trajectory is non-trivial and requires a considerable time budget due to the extremely large space of the solution trajectories and the lack of prior knowledge about task constraints in configuration space. To alleviate the issue, we present a learning-based initial trajectory generation method that generates high-quality initial trajectories in a short time budget by adopting example-guided reinforcement learning. In addition, we suggest a null-space projected imitation reward to consider null-space constraints by efficiently learning kinematically feasible motion captured in expert demonstrations. Our statistical evaluation in simulation shows the improved optimality, efficiency, and applicability of TO when we plug in our method's output, compared with three other baselines. We also show the performance improvement and feasibility via real-world experiments with a seven-degree-of-freedom manipulator.
- Abstract（参考訳）: トラジェクトリ最適化(TO)は、6次元カルテシアンパスに従って冗長なマニピュレータの関節軌道を生成する効率的なツールである。
最適化性能は初期軌道の品質に大きく依存する。
しかし、高品質な初期軌道の選択は非自明であり、解軌道の極端に広い空間と、構成空間におけるタスク制約に関する事前知識の欠如のため、かなりの時間的予算を必要とする。
この問題を軽減するために,サンプル誘導強化学習を採用して,高品質な初期軌跡を短時間で生成する学習ベースの初期軌跡生成手法を提案する。
さらに,実験で得られた運動の運動を効率よく学習することにより,Null空間の制約を考慮した模倣報酬を提案する。
シミュレーションにおける統計的評価は, 提案手法の出力を他の3つのベースラインと比較すると, TOの最適性, 効率, 適用性が改善されたことを示している。
また、7自由度マニピュレータを用いた実世界の実験を通しての性能向上と実現可能性を示す。
関連論文リスト
- Preventing Local Pitfalls in Vector Quantization via Optimal Transport [77.15924044466976]
我々はシンクホーンアルゴリズムを用いて最適な輸送問題を最適化する新しいベクトル量子化法であるOptVQを紹介する。
画像再構成タスクの実験では,OptVQが100%のコードブック利用を実現し,現在最先端のVQNを超越していることが示された。
論文 参考訳（メタデータ） (2024-12-19T18:58:14Z) - Towards Robust Spacecraft Trajectory Optimization via Transformers [17.073280827888226]
我々は,非最適制御問題をリアルタイムに解くための自律生成モデルを開発した。
我々はARTの能力を拡張し、確率制約のある最適制御問題に対処する。
この作業は、宇宙船のような安全クリティカルな自律システムにAI駆動のソリューションを確実に展開するための最初のステップである。
論文 参考訳（メタデータ） (2024-10-08T00:58:42Z) - Multi-Objective Trajectory Planning with Dual-Encoder [8.414908539114743]
時空最適軌道計画は、動的タスクにおけるロボットアームの性能向上に不可欠である。
従来の手法は複雑な非線形プログラミング問題を解くことに依存している。
時空最適軌道計画の高速化のための2段階の手法を提案する。
論文 参考訳（メタデータ） (2024-03-26T03:32:45Z) - An Efficient Learning-based Solver Comparable to Metaheuristics for the
Capacitated Arc Routing Problem [67.92544792239086]
我々は,高度メタヒューリスティックスとのギャップを著しく狭めるため,NNベースの解法を導入する。
まず,方向対応型注意モデル(DaAM)を提案する。
第2に、教師付き事前学習を伴い、堅牢な初期方針を確立するための教師付き強化学習スキームを設計する。
論文 参考訳（メタデータ） (2024-03-11T02:17:42Z) - Learning Constrained Optimization with Deep Augmented Lagrangian Methods [54.22290715244502]
機械学習(ML)モデルは、制約付き最適化ソルバをエミュレートするために訓練される。
本稿では,MLモデルを用いて2つの解推定を直接予測する手法を提案する。
これにより、双対目的が損失関数であるエンドツーエンドのトレーニングスキームと、双対上昇法をエミュレートした原始的実現可能性への解推定を可能にする。
論文 参考訳（メタデータ） (2024-03-06T04:43:22Z) - Large-Scale OD Matrix Estimation with A Deep Learning Method [70.78575952309023]
提案手法は,ディープラーニングと数値最適化アルゴリズムを統合し,行列構造を推論し,数値最適化を導出する。
大規模合成データセットを用いて,提案手法の優れた一般化性能を実証するために実験を行った。
論文 参考訳（メタデータ） (2023-10-09T14:30:06Z) - Learning to Initialize Trajectory Optimization for Vision-Based Autonomous Flight in Unknown Environments [4.0543433786183485]
未知環境における自律飛行のためのニューラル・エンハンスト・トレイ・プランナー(NEO-Planner)を提案する。
NEO-Plannerは、生のセンサー観測から直接軌道の空間的および時間的パラメータを予測することを学ぶ。
最適化を20%削減し、純粋な最適化手法と比較して軌道時間も26%減少する。
論文 参考訳（メタデータ） (2023-09-19T15:07:26Z) - Enhanced Teaching-Learning-based Optimization for 3D Path Planning of
Multicopter UAVs [2.0305676256390934]
本稿では,無人航空機(UAV)の新しい経路計画アルゴリズムを提案する。
まず,UAVの移動と安全操作の制約と経路長の要件を組み込んだ目的関数を定義する。
次に, 目的関数の定式化を最小化するために, Multi-subject TLBO というアルゴリズムを提案する。
論文 参考訳（メタデータ） (2022-05-31T16:00:32Z) - Outlier-Robust Sparse Estimation via Non-Convex Optimization [73.18654719887205]
空間的制約が存在する場合の高次元統計量と非破壊的最適化の関連について検討する。
これらの問題に対する新規で簡単な最適化法を開発した。
結論として、効率よくステーションに収束する一階法は、これらのタスクに対して効率的なアルゴリズムを導出する。
論文 参考訳（メタデータ） (2021-09-23T17:38:24Z)
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。