論文の概要: Impact-Robust Posture Optimization for Aerial Manipulation

• arxiv url: http://arxiv.org/abs/2602.13762v2
• Date: Sun, 22 Feb 2026 10:55:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:41.462782
• Title: Impact-Robust Posture Optimization for Aerial Manipulation
• Title（参考訳）: 空中マニピュレーションのための衝撃・ローバスト姿勢最適化
• Authors: Amr Afifi, Ahmad Gazar, Javier Alonso-Mora, Paolo Robuffo Giordano, Antonio Franchi,
• Abstract要約: 本稿では,衝撃時のロバスト性を改善するために,運動学的に冗長なトルク制御ロボットの姿勢を最適化する新しい手法を提案する。 厳密な衝撃モデル(英語版)は、前衝突速度と後衝突速度の変動を定量化する構成依存計量の基礎として用いられる。 本手法は,ロボット構成における衝撃後スパイクの最大51%(標準TSID)の低減と,アクチュエータ飽和の回避に成功している。
• 参考スコア（独自算出の注目度）: 21.57320550387136
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present a novel method for optimizing the posture of kinematically redundant torque-controlled robots to improve robustness during impacts. A rigid impact model is used as the basis for a configuration-dependent metric that quantifies the variation between pre- and post-impact velocities. By finding configurations (postures) that minimize the aforementioned metric, spikes in the robot's state and input commands can be significantly reduced during impacts, improving safety and robustness. The problem of identifying impact-robust postures is posed as a min-max optimization of the aforementioned metric. To overcome the real-time intractability of the problem, we reformulate it as a gradient-based motion task that iteratively guides the robot towards configurations that minimize the proposed metric. This task is embedded within a task-space inverse dynamics (TSID) whole-body controller, enabling seamless integration with other control objectives. The method is applied to a kinematically redundant aerial manipulator performing repeated point contact tasks. We test our method inside a realistic physics simulator and compare it with the nominal TSID. Our method leads to a reduction (up to 51% w.r.t. standard TSID) of post-impact spikes in the robot's configuration and successfully avoids actuator saturation. Moreover, we demonstrate the importance of kinematic redundancy for impact robustness using additional numerical simulations on a quadruped and a humanoid robot, resulting in up to 45% reduction of post-impact spikes in the robot's state w.r.t. nominal TSID.
• Abstract（参考訳）: 本稿では,衝撃時のロバスト性を改善するために,運動学的に冗長なトルク制御ロボットの姿勢を最適化する新しい手法を提案する。 厳密な衝撃モデル(英語版)は、前衝突速度と後衝突速度の変動を定量化する構成依存計量の基礎として用いられる。 上記の測定値を最小限に抑える構成(姿勢)を見つけることで、ロボットの状態と入力コマンドのスパイクは、衝突時に著しく減少し、安全性と堅牢性を向上させることができる。 衝撃腐食姿勢を同定する問題は、上記の測定値の min-max 最適化として提案される。 課題のリアルタイムな難易度を克服するため,提案した指標を最小化する構成に向けて,ロボットを反復的に誘導する勾配に基づく動作タスクとして再構成する。 このタスクはタスク空間逆ダイナミクス(TSID)全体コントローラに埋め込まれ、他の制御対象とのシームレスな統合を可能にする。 この方法は、繰り返し点接触タスクを行う運動的に冗長な空中マニピュレータに適用される。 本手法を現実的な物理シミュレータ内でテストし,その名目TSIDと比較する。 本手法は,ロボット構成における衝撃後スパイクの最大51%(標準TSID)の低減と,アクチュエータ飽和の回避に成功している。 さらに,四足歩行ロボットとヒューマノイドロボットの数値シミュレーションにより,衝撃剛性に対するキネマティック冗長性の重要性を実証し,ロボットの状態w.r.t.名目TSIDにおける衝撃後スパイクの最大45%の低減を図った。

関連論文リスト

• Shape Control of a Planar Hyper-Redundant Robot via Hybrid Kinematics-Informed and Learning-based Approach [42.55947704321053]
  ハイパー冗長ロボットは、厳密で非構造的な環境での操作をうまく行うことができる。 到達可能な作業空間を拡張するために,多段式フレキシブルラック作動型平面ロボットを開発した。 本研究では,SpatioCoupledNet というハイブリッドキネマティクス・インフォームド・学習型形状制御手法を提案する。
  論文  参考訳（メタデータ） (2026-03-11T04:35:06Z)
• Dual-Agent Multiple-Model Reinforcement Learning for Event-Triggered Human-Robot Co-Adaptation in Decoupled Task Spaces [3.349003999623489]
  本稿では,カスタム6自由度上肢ロボットのための共有制御型リハビリテーションポリシーを提案する。 患者は二進法で一次到達方向を制御し、ロボットは自律的に矯正動作を管理する。
  論文  参考訳（メタデータ） (2026-03-06T11:15:10Z)
• ReCoM: Realistic Co-Speech Motion Generation with Recurrent Embedded Transformer [58.49950218437718]
  音声に同期した高忠実で一般化可能な人体動作を生成するための効率的なフレームワークであるReCoMを提案する。 Recurrent Embedded Transformer (RET)は、動的埋め込み正規化(DER)をViT(Vit)コアアーキテクチャに統合する。 モデルロバスト性を高めるため,ノイズ抵抗とクロスドメイン一般化の二重性を持つモデルに,提案したDER戦略を取り入れた。
  論文  参考訳（メタデータ） (2025-03-27T16:39:40Z)
• Spatial-Temporal Graph Diffusion Policy with Kinematic Modeling for Bimanual Robotic Manipulation [88.83749146867665]
  既存のアプローチは、遠く離れた次のベストなエンドエフェクタのポーズを予測するポリシーを学びます。 すると、運動に対する対応する関節回転角を逆運動学を用いて計算する。 本稿では,Kinematics 拡張空間テンポアル gRaph diffuser を提案する。
  論文  参考訳（メタデータ） (2025-03-13T17:48:35Z)
• Prognostic Framework for Robotic Manipulators Operating Under Dynamic Task Severities [1.8485970721272895]
  ロボットマニピュレータのRemaining Useful Life(RUL)を予測できる予後モデリングフレームワークを提案する。 以上の結果から,両艦隊のロボットは高重度タスクを多く扱う場合,RULが短くなることが示唆された。
  論文  参考訳（メタデータ） (2024-11-30T17:09:18Z)
• Tuning Legged Locomotion Controllers via Safe Bayesian Optimization [47.87675010450171]
  本稿では,ロボットハードウェアプラットフォームにおけるモデルベースコントローラの展開を効率化するための,データ駆動型戦略を提案する。 モデルフリーな安全な学習アルゴリズムを用いて制御ゲインのチューニングを自動化し、制御定式化で使用される単純化されたモデルと実システムとのミスマッチに対処する。
  論文  参考訳（メタデータ） (2023-06-12T13:10:14Z)
• Nonprehensile Riemannian Motion Predictive Control [57.295751294224765]
  本稿では,リアル・ツー・シムの報酬分析手法を導入し,リアルなロボット・プラットフォームに対する行動の可能性を確実に予測する。 連続的なアクション空間でオブジェクトを反応的にプッシュするクローズドループコントローラを作成します。 我々は,RMPCが乱雑な環境だけでなく,乱雑な環境においても頑健であり,ベースラインよりも優れていることを観察した。
  論文  参考訳（メタデータ） (2021-11-15T18:50:04Z)
• OSCAR: Data-Driven Operational Space Control for Adaptive and Robust Robot Manipulation [50.59541802645156]
  オペレーショナル・スペース・コントロール(OSC)は、操作のための効果的なタスクスペース・コントローラとして使われてきた。 本稿では,データ駆動型OSCのモデル誤差を補償するOSC for Adaptation and Robustness (OSCAR)を提案する。 本手法は,様々なシミュレーション操作問題に対して評価し,制御器のベースラインの配列よりも大幅に改善されていることを示す。
  論文  参考訳（メタデータ） (2021-10-02T01:21:38Z)
• Online Body Schema Adaptation through Cost-Sensitive Active Learning [63.84207660737483]
  この作業は、icubロボットシミュレータの7dofアームを使用して、シミュレーション環境で実行された。 コストに敏感な能動学習手法は最適な関節構成を選択するために用いられる。 その結果,コスト依存型能動学習は標準的な能動学習手法と同等の精度を示し,実行運動の約半分を減らした。
  論文  参考訳（メタデータ） (2021-01-26T16:01:02Z)

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。