論文の概要: Scalable Low-Density Distributed Manipulation Using an Interconnected Actuator Array

• arxiv url: http://arxiv.org/abs/2602.19653v1
• Date: Mon, 23 Feb 2026 09:54:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:41.64215
• Title: Scalable Low-Density Distributed Manipulation Using an Interconnected Actuator Array
• Title（参考訳）: 相互接続アクチュエータアレイを用いたスケーラブル低密度分散マニピュレーション
• Authors: Bailey Dacre, Rodrigo Moreno, Jørn Lambertsen, Kasper Stoy, Andrés Faíña,
• Abstract要約: 本稿では,モジュール型3DFロボットタイルを適合表面層で相互接続するシステムを提案する。 準拠層は、物体操作能力を損なうことなくアクチュエータスペーシングを増大させる。 我々は、NXNアレイ内の任意の位置へのオブジェクトの変換が可能な操作戦略を開発する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Distributed Manipulator Systems, composed of arrays of robotic actuators necessitate dense actuator arrays to effectively manipulate small objects. This paper presents a system composed of modular 3-DoF robotic tiles interconnected by a compliant surface layer, forming a continuous, controllable manipulation surface. The compliant layer permits increased actuator spacing without compromising object manipulation capabilities, significantly reducing actuator density while maintaining robust control, even for smaller objects. We characterize the coupled workspace of the array and develop a manipulation strategy capable of translating objects to arbitrary positions within an N X N array. The approach is validated experimentally using a minimal 2 X 2 prototype, demonstrating the successful manipulation of objects with varied shapes and sizes.
• Abstract（参考訳）: 分散マニピュレータシステム(Distributed Manipulator Systems)は、小さな物体を効果的に操作するために、高密度のアクチュエータアレイを必要とするロボットアクチュエータのアレイで構成されている。 本稿では, モジュール型3DFロボットタイルを適合表面層で相互接続し, 連続制御可能な操作面を形成するシステムを提案する。 適合層は、物体操作能力を損なうことなくアクチュエータ間隔を増大させ、小さい物体であっても頑健な制御を維持しながらアクチュエータ密度を著しく低減する。 我々は、配列の結合したワークスペースを特徴付け、NXN配列内の任意の位置へのオブジェクトの変換が可能な操作戦略を開発する。 この手法は最小限の2 X 2プロトタイプを用いて実験的に検証され、形状や大きさの異なる物体の操作に成功した。

関連論文リスト

• Articulated Object Manipulation using Online Axis Estimation with SAM2-Based Tracking [57.942404069484134]
  アーティキュレートされたオブジェクト操作は、オブジェクトの軸を慎重に考慮する必要がある、正確なオブジェクトインタラクションを必要とする。 従来の研究では、対話的な知覚を用いて関節のある物体を操作するが、通常、オープンループのアプローチは相互作用のダイナミクスを見渡すことに悩まされる。 本稿では,対話的知覚と3次元点雲からのオンライン軸推定を統合したクローズドループパイプラインを提案する。
  論文  参考訳（メタデータ） (2024-09-24T17:59:56Z)
• Coin3D: Controllable and Interactive 3D Assets Generation with Proxy-Guided Conditioning [52.81032340916171]
  Coin3Dを使えば、ユーザーは基本的な形状から組み立てられた粗い幾何学的プロキシを使って3D生成を制御できる。 本手法は,3次元アセット生成タスクにおいて,制御性と柔軟性に優れる。
  論文  参考訳（メタデータ） (2024-05-13T17:56:13Z)
• Cross-Cluster Shifting for Efficient and Effective 3D Object Detection in Autonomous Driving [69.20604395205248]
  本稿では,自律運転における3次元物体検出のための3次元点検出モデルであるShift-SSDを提案する。 我々は、ポイントベース検出器の表現能力を解き放つために、興味深いクロスクラスタシフト操作を導入する。 我々は、KITTI、ランタイム、nuScenesデータセットに関する広範な実験を行い、Shift-SSDの最先端性能を実証した。
  論文  参考訳（メタデータ） (2024-03-10T10:36:32Z)
• ArrayBot: Reinforcement Learning for Generalizable Distributed Manipulation through Touch [22.296942629647095]
  ArrayBotは、触覚センサーと統合された垂直にスライドする柱からなる分散操作システムである。 我々は、制御ポリシーの自動発見に強化学習アルゴリズムを利用する。 本稿では,分散操作のためのArrayBot上でのRLの膨大な可能性を示す,実世界の操作タスクを多数提示する。
  論文  参考訳（メタデータ） (2023-06-29T11:07:14Z)
• Hierarchical Point Attention for Indoor 3D Object Detection [111.04397308495618]
  本研究は、点ベース変圧器検出器の汎用階層設計として、2つの新しい注意操作を提案する。 まず、よりきめ細かい特徴学習を可能にするために、シングルスケールの入力機能からマルチスケールトークンを構築するマルチスケール注意(MS-A)を提案する。 第2に,適応型アテンション領域を持つサイズ適応型ローカルアテンション(Local-A)を提案する。
  論文  参考訳（メタデータ） (2023-01-06T18:52:12Z)
• CLAS: Coordinating Multi-Robot Manipulation with Central Latent Action Spaces [9.578169216444813]
  本稿では,異なるエージェント間で共有される学習された潜在行動空間を通じて,マルチロボット操作を協調する手法を提案する。 シミュレーションされたマルチロボット操作タスクにおいて本手法を検証し,サンプル効率と学習性能の観点から,従来のベースラインよりも改善したことを示す。
  論文  参考訳（メタデータ） (2022-11-28T23:20:47Z)
• Vision-driven Compliant Manipulation for Reliable, High-Precision Assembly Tasks [26.445959214209505]
  本稿では,最先端の物体追跡と受動適応型機械ハードウェアを組み合わせることで,高精度な操作作業を実現することを実証する。 提案手法は,作業空間内の物体の相対的な6次元ポーズを追跡することにより,視覚を通してループを閉じる。
  論文  参考訳（メタデータ） (2021-06-26T17:54:16Z)
• Learning to Compose Hierarchical Object-Centric Controllers for Robotic Manipulation [26.24940293693809]
  本稿では、強化学習を用いて、操作タスクのための階層型オブジェクト中心コントローラを構築することを提案する。 シミュレーションと実世界の双方での実験では、提案手法がサンプル効率の向上、ゼロショットの一般化、微調整なしでのシミュレーションと現実の移動にどのように寄与するかが示されている。
  論文  参考訳（メタデータ） (2020-11-09T18:38:29Z)

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。