論文の概要: Reactive Motion Generation With Particle-Based Perception in Dynamic Environments

• arxiv url: http://arxiv.org/abs/2602.16462v1
• Date: Wed, 18 Feb 2026 13:48:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:41.541485
• Title: Reactive Motion Generation With Particle-Based Perception in Dynamic Environments
• Title（参考訳）: 動的環境における粒子認識による反応運動生成
• Authors: Xiyuan Zhao, Huijun Li, Lifeng Zhu, Zhikai Wei, Xianyi Zhu, Aiguo Song,
• Abstract要約: 動的および非構造的シナリオにおける反応運動生成は、基本的に静的知覚とシステムダイナミクスの対象となる。 この記事では、モデルベースの観点から、リアクティブ計画とマニピュレータの動的マッピングの密接な関係を明らかにすることに焦点を当てます。 本稿では,ロボット・障害物力学を協調的に伝播する障害物対応MPPI計画法を提案する。
• 参考スコア（独自算出の注目度）: 14.960949776319147
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reactive motion generation in dynamic and unstructured scenarios is typically subject to essentially static perception and system dynamics. Reliably modeling dynamic obstacles and optimizing collision-free trajectories under perceptive and control uncertainty are challenging. This article focuses on revealing tight connection between reactive planning and dynamic mapping for manipulators from a model-based perspective. To enable efficient particle-based perception with expressively dynamic property, we present a tensorized particle weight update scheme that explicitly maintains obstacle velocities and covariance meanwhile. Building upon this dynamic representation, we propose an obstacle-aware MPPI-based planning formulation that jointly propagates robot-obstacle dynamics, allowing future system motion to be predicted and evaluated under uncertainty. The model predictive method is shown to significantly improve safety and reactivity with dynamic surroundings. By applying our complete framework in simulated and noisy real-world environments, we demonstrate that explicit modeling of robot-obstacle dynamics consistently enhances performance over state-of-the-art MPPI-based perception-planning baselines avoiding multiple static and dynamic obstacles.
• Abstract（参考訳）: 動的および非構造的シナリオにおける反応運動生成は、基本的に静的知覚とシステムダイナミクスの対象となる。 動的障害物を信頼性良くモデル化し、知覚と制御の不確実性の下で衝突のない軌道を最適化することは困難である。 この記事では、モデルベースの観点から、リアクティブ計画とマニピュレータの動的マッピングの密接な関係を明らかにすることに焦点を当てます。 本研究では, 高速な粒子認識を実現するために, 障害物速度と共分散性を明確に維持するテンソル化粒子量更新方式を提案する。 この動的表現に基づいて,ロボット・障害物力学を協調的に伝播し,将来のシステム動作を不確実性の下で予測・評価する,障害物対応MPPI型計画法を提案する。 モデル予測法は動的環境下での安全性と反応性を著しく向上させる。 実環境におけるロボット・オブザークル・ダイナミクスの明示的モデリングは, 実環境において, 実環境における実環境を再現し, ロボット・オブザークル・ダイナミクスの明示的なモデリングにより, 複数の静的・動的障害を避けるため, 最先端MPPIベースの知覚計画ベースラインの性能を一貫して向上させることを示した。

関連論文リスト

• MotionCFG: Boosting Motion Dynamics via Stochastic Concept Perturbation [60.48914865049489]
  MotionCFGは、ターゲットコンセプトとノイズブレーブの概念を対比することにより、モーションダイナミクスを強化するフレームワークである。 明示的な否定とは異なり、このアプローチはグローバルな意味的アイデンティティをシフトすることなく暗黙的な否定的なガイダンスを促進する。 MotionCFGは、最先端のT2Vフレームワーク間のモーションダイナミクスを一貫して改善する。
  論文  参考訳（メタデータ） (2026-03-14T18:39:37Z)
• Prismatic World Model: Learning Compositional Dynamics for Planning in Hybrid Systems [38.4555621948915]
  Prismatic World Model (PRISM-WM) は複雑なハイブリッド力学を構成可能なプリミティブに分解するように設計されている。 PRISM-WMは系力学におけるシャープモード遷移を正確にモデル化することでロールアウトドリフトを著しく低減する。
  論文  参考訳（メタデータ） (2025-12-09T09:40:34Z)
• Forecasting Continuous Non-Conservative Dynamical Systems in SO(3) [51.510040541600176]
  コンピュータビジョンにおける移動物体の回転をモデル化するための新しい手法を提案する。 我々のアプローチは、入力ノイズに対して頑健でありながら、エネルギーと運動量保存に非依存である。 トレーニング中の雑音状態から物体のダイナミクスを近似させることで、シミュレーションや様々な現実世界の設定において頑健な外挿能力が得られる。
  論文  参考訳（メタデータ） (2025-08-11T09:03:10Z)
• Dynamic Manipulation of Deformable Objects in 3D: Simulation, Benchmark and Learning Strategy [88.8665000676562]
  従来の手法は、しばしば問題を低速または2D設定に単純化し、現実の3Dタスクに適用性を制限する。 データ不足を軽減するため、新しいシミュレーションフレームワークと、低次ダイナミクスに基づくベンチマークを導入する。 本研究では,シミュレーション前トレーニングと物理インフォームドテスト時間適応を統合するフレームワークであるDynamics Informed Diffusion Policy (DIDP)を提案する。
  論文  参考訳（メタデータ） (2025-05-23T03:28:25Z)
• Future-Oriented Navigation: Dynamic Obstacle Avoidance with One-Shot Energy-Based Multimodal Motion Prediction [10.379552390135226]
  本稿では,動的かつ不確実な環境下での移動ロボットの安全かつ効率的な制御のための統合的アプローチを提案する。 このアプローチは、動的障害物の運動を予測するためのワンショットマルチモーダル動作予測と、これらの予測を運動計画プロセスに組み込むモデル予測制御の2つの重要なステップから構成される。
  論文  参考訳（メタデータ） (2025-05-01T01:13:56Z)
• Monte Carlo Tree Search with Velocity Obstacles for safe and efficient motion planning in dynamic environments [49.30744329170107]
  本稿では,動的障害物に関する情報を最小限に抑えた最適オンライン動作計画手法を提案する。 提案手法は,モデルシミュレーションによるオンライン最適計画のためのモンテカルロ木探索 (MCTS) と障害物回避のためのVelocity Obstacles (VO) を組み合わせた。 我々は,非線形モデル予測制御(NMPC)を含む最先端のプランナーに対して,衝突速度,計算,タスク性能の向上の観点から,我々の方法論の優位性を示す。
  論文  参考訳（メタデータ） (2025-01-16T16:45:08Z)
• Event-boosted Deformable 3D Gaussians for Dynamic Scene Reconstruction [50.873820265165975]
  本稿では,高時間分解能連続運動データと動的シーン再構成のための変形可能な3D-GSを併用したイベントカメラについて紹介する。 本稿では、3次元再構成としきい値モデリングの両方を大幅に改善する相互強化プロセスを作成するGS-Thresholdジョイントモデリング戦略を提案する。 提案手法は,合成および実世界の動的シーンを用いた最初のイベント包摂型4Dベンチマークであり,その上で最先端の性能を実現する。
  論文  参考訳（メタデータ） (2024-11-25T08:23:38Z)
• Learn to Memorize and to Forget: A Continual Learning Perspective of Dynamic SLAM [17.661231232206028]
  暗黙的な神経表現を伴う同時局所化とマッピング(SLAM)が注目されている。 動的環境のための新しいSLAMフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-07-18T09:35:48Z)
• Euclideanizing Flows: Diffeomorphic Reduction for Learning Stable Dynamical Systems [74.80320120264459]
  本研究では、限られた数の人間の実演からそのような動きを学ぶためのアプローチを提案する。 複素運動は安定な力学系のロールアウトとして符号化される。 このアプローチの有効性は、確立されたベンチマーク上での検証と、現実世界のロボットシステム上で収集されたデモによって実証される。
  論文  参考訳（メタデータ） (2020-05-27T03:51:57Z)

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。