論文の概要: A receding-horizon multi-contact motion planner for legged robots in challenging environments

• arxiv url: http://arxiv.org/abs/2602.11113v1
• Date: Wed, 11 Feb 2026 18:25:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:41.376061
• Title: A receding-horizon multi-contact motion planner for legged robots in challenging environments
• Title（参考訳）: 難易度環境における脚ロボットの後退水平多接触運動プランナ
• Authors: Daniel S. J. Derwent, Simon Watson, Bruno V. Adorno,
• Abstract要約: 本稿では, 難易度の高いシナリオにおいて, 脚ロボットのための多面体多面体運動プランナを提案する。 当社のアプローチでは,新たな情報に反応してリアクティブに再計画する機能など,最先端の新たな機能が追加されています。 我々の手法は、他の潜在的フィールドベースアプローチよりも局所的なミニマ問題に耐性がある。
• 参考スコア（独自算出の注目度）: 0.8378613715674738
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present a novel receding-horizon multi-contact motion planner for legged robots in challenging scenarios, able to plan motions such as chimney climbing, navigating very narrow passages or crossing large gaps. Our approach adds new capabilities to the state of the art, including the ability to reactively re-plan in response to new information, and planning contact locations and whole-body trajectories simultaneously, simplifying the implementation and removing the need for post-processing or complex multi-stage approaches. Our method is more resistant to local minima problems than other potential field based approaches, and our quadratic-program-based posture generator returns nodes more quickly than those of existing algorithms. Rigorous statistical analysis shows that, with short planning horizons (e.g., one step ahead), our planner is faster than the state-of-the-art across all scenarios tested (between 45% and 98% faster on average, depending on the scenario), while planning less efficient motions (requiring 5% fewer to 700% more stance changes on average). In all but one scenario (Chimney Walking), longer planning horizons (e.g., four steps ahead) extended the average planning times (between 73% faster and 400% slower than the state-of-the-art) but resulted in higher quality motion plans (between 8% more and 47% fewer stance changes than the state-of-the-art).
• Abstract（参考訳）: そこで本研究では,難易度の高いロボットに対して,煙突の登頂,非常に狭い通路の航行,大きな隙間を横切るといった動作を計画できる新しい多接触移動プランナを提案する。 我々のアプローチは、新しい情報に反応して反応的に再計画する機能や、コンタクト位置と全身の軌跡を同時に計画する機能、実装の簡素化、後処理や複雑なマルチステージアプローチの必要性の排除など、最先端技術に新たな機能を追加します。 提案手法は他のフィールドベースアプローチよりも局所最小値問題に耐性があり,2次プログラムベースの姿勢生成器は既存のアルゴリズムよりも高速にノードを返却する。 厳密な統計分析は、短い計画の地平線(例:1歩先)では、プランナーはテストされたすべてのシナリオ(シナリオによっては平均で45%から98%)の最先端よりも速く、より効率的な動き(平均で5パーセントから700%のスタンス変更)を計画しています。 1つのシナリオ(Cimney Walking)を除いて、長い計画の地平線(例:4ステップ先)は、平均的な計画時間(最先端よりも73%速く、400%遅い)を拡張したが、より高い品質の運動計画(最先端よりも8%多く、47%低いスタンス変更)をもたらした。

関連論文リスト

• Neural MP: A Generalist Neural Motion Planner [75.82675575009077]
  運動計画問題にデータ駆動学習を大規模に適用することで,これを実現する。 提案手法は, シミュレーションの複雑なシーンを多数構築し, モーションプランナーから専門家のデータを収集し, 反応的なジェネラリストポリシーに抽出する。 我々は,4つの異なる環境における64の動作計画タスクについて,その方法の徹底的な評価を行う。
  論文  参考訳（メタデータ） (2024-09-09T17:59:45Z)
• A Meta-Engine Framework for Interleaved Task and Motion Planning using Topological Refinements [51.54559117314768]
  タスク・アンド・モーション・プランニング(タスク・アンド・モーション・プランニング、TAMP)は、自動化された計画問題の解決策を見つけるための問題である。 本稿では,TAMP問題のモデル化とベンチマークを行うための,汎用的でオープンソースのフレームワークを提案する。 移動エージェントと複数のタスク状態依存障害を含むTAMP問題を解決する革新的なメタ技術を導入する。
  論文  参考訳（メタデータ） (2024-08-11T14:57:57Z)
• Potential Based Diffusion Motion Planning [73.593988351275]
  本稿では,潜在的行動計画の学習に向けた新しいアプローチを提案する。 我々はニューラルネットワークを訓練し、運動計画軌跡よりも容易に最適化可能なポテンシャルを捕捉し、学習する。 我々は、その固有の構成可能性を示し、様々な動きの制約に一般化することができる。
  論文  参考訳（メタデータ） (2024-07-08T17:48:39Z)
• AI planning in the imagination: High-level planning on learned abstract search spaces [68.75684174531962]
  我々は,エージェントが訓練中に学習する抽象的な検索空間において,エージェントが計画することを可能にする,PiZeroと呼ばれる新しい手法を提案する。 本研究では,旅行セールスマン問題,ソコバン問題,2048年,施設立地問題,パックマン問題など,複数の分野で評価を行った。
  論文  参考訳（メタデータ） (2023-08-16T22:47:16Z)
• Simultaneous Contact-Rich Grasping and Locomotion via Distributed Optimization Enabling Free-Climbing for Multi-Limbed Robots [60.06216976204385]
  移動, 把握, 接触問題を同時に解くための効率的な運動計画フレームワークを提案する。 ハードウェア実験において提案手法を実証し, より短い計画時間で, 傾斜角45degで自由クライミングを含む様々な動作を実現できることを示す。
  論文  参考訳（メタデータ） (2022-07-04T13:52:10Z)
• Risk-Aware Off-Road Navigation via a Learned Speed Distribution Map [39.54575497596679]
  本研究は,データから学習可能なロボットの速度のみに基づく,トラバーサビリティの新たな表現を提案する。 提案アルゴリズムは,ロボットが達成できる速度の分布を,環境セマンティクスと命令された速度に基づいて予測する。 数値シミュレーションにより,提案したリスク認識計画アルゴリズムが平均目標達成時間を短縮することを示した。
  論文  参考訳（メタデータ） (2022-03-25T03:08:02Z)
• Distributing Collaborative Multi-Robot Planning with Gaussian Belief Propagation [13.65857209749568]
  本稿では、動的制約と衝突制約を定義する汎用因子グラフに基づく、新しい純粋分散手法を実証する。 本手法は, 道路交通シミュレーションシナリオにおいて, 極めて高性能な協調計画を可能にすることを示す。
  論文  参考訳（メタデータ） (2022-03-22T11:13:36Z)

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。