論文の概要: FACTO: Function-space Adaptive Constrained Trajectory Optimization for Robotic Manipulators

• arxiv url: http://arxiv.org/abs/2602.20225v1
• Date: Mon, 23 Feb 2026 16:38:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:41.654577
• Title: FACTO: Function-space Adaptive Constrained Trajectory Optimization for Robotic Manipulators
• Title（参考訳）: FACTO:ロボットマニピュレータの関数空間適応制約軌道最適化
• Authors: Yichang Feng, Xiao Liang, Minghui Zheng,
• Abstract要約: 本稿では,単一およびマルチアームマニピュレータのための関数空間適応制約軌道最適化(FACTO)を提案する。 非線形性に対処するため、FACTOはガウス・ニュートン近似を用いて指数的移動平均化を行い、滑らかな二次部分確率を与える。 フランカロボットにおけるFACTOの実験的評価は、デプロイの実現可能性を検証する。
• 参考スコア（独自算出の注目度）: 4.0407133618465005
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper introduces Function-space Adaptive Constrained Trajectory Optimization (FACTO), a new trajectory optimization algorithm for both single- and multi-arm manipulators. Trajectory representations are parameterized as linear combinations of orthogonal basis functions, and optimization is performed directly in the coefficient space. The constrained problem formulation consists of both an objective functional and a finite-dimensional objective defined over truncated coefficients. To address nonlinearity, FACTO uses a Gauss-Newton approximation with exponential moving averaging, yielding a smoothed quadratic subproblem. Trajectory-wide constraints are addressed using coefficient-space mappings, and an adaptive constrained update using the Levenberg-Marquardt algorithm is performed in the null space of active constraints. Comparisons with optimization-based planners (CHOMP, TrajOpt, GPMP2) and sampling-based planners (RRT-Connect, RRT*, PRM) show the improved solution quality and feasibility, especially in constrained single- and multi-arm scenarios. The experimental evaluation of FACTO on Franka robots verifies the feasibility of deployment.
• Abstract（参考訳）: 本稿では,単腕マニピュレータと多腕マニピュレータの両方を対象とした新しい軌道最適化アルゴリズムである関数空間適応制約軌道最適化(FACTO)を提案する。 軌道表現は直交基底関数の線形結合としてパラメータ化され、係数空間で直接最適化される。 制約付き問題定式化は、向き付けされた係数上で定義された目的関数と有限次元の目的の両方からなる。 非線形性に対処するため、FACTOはガウス・ニュートン近似を用いて指数的移動平均化を行い、滑らかな二次部分確率を与える。 軌道幅の制約は係数空間マッピングを用いて対処し、活性制約のヌル空間においてレバンス・マルカルトアルゴリズムを用いた適応的制約付き更新を行う。 最適化ベースのプランナー (CHOMP, TrajOpt, GPMP2) とサンプリングベースのプランナー (RRT-Connect, RRT*, PRM) との比較では、特に制約付きシングルアームとマルチアームのシナリオにおいて、ソリューションの品質と実現可能性が改善されている。 フランカロボットにおけるFACTOの実験的評価は、デプロイの実現可能性を検証する。

関連論文リスト

• Slack More, Predict Better: Proximal Relaxation for Probabilistic Latent Variable Model-based Soft Sensors [12.346122868771118]
  確率潜在変数モデル(英: Probabilistic Latent Variable Models, NPLVMs)は、ソフトセンサーモデリングの基盤である。 NPLVMは、ニューラルネットワークが変分後部をパラメータ化するアモータイズされた変分推論を用いて訓練される。 KProxNPLVMは、目的自体を緩和し、NPLVMのパフォーマンスを改善するためにピボットする、新しいNPLVMである。
  論文  参考訳（メタデータ） (2026-03-12T02:53:39Z)
• DRAFTO: Decoupled Reduced-space and Adaptive Feasibility-repair Trajectory Optimization for Robotic Manipulators [4.0407133618465005]
  本稿では、トラジェクトリ最適化のための新しいアルゴリズム、Decoupled Reduced-spaceとAdaptive Feasibility-Repair Trajectory Optimization (DRAFTO)を提案する。 連立限界実現性を扱いながら繰り返し制約された最適化の回数を減らすため、最適化を低空間ガウスニュートン(Gass-Newton, GN)降下に分離する。 CHOMP, TrajOpt, GPMP2, FACTOなどの最適化型プランナに対するベンチマークテストの結果, 様々なシナリオやタスクにおいて高い効率性と信頼性が検証された。
  論文  参考訳（メタデータ） (2026-03-10T20:24:42Z)
• Variational Entropic Optimal Transport [67.76725267984578]
  本稿では,ドメイン翻訳問題に対する変分エントロピー最適輸送(VarEOT)を提案する。 VarEOTは、補助正の正規化子上のトラクタブルな一般化として、log-partition $log mathbbE[exp(cdot)$の正確な変分再構成に基づいている。 合成データと画像と画像の変換に関する実験は、競争力のあるか、あるいはより良い翻訳品質を示す。
  論文  参考訳（メタデータ） (2026-02-02T15:48:44Z)
• Neural Optimal Transport Meets Multivariate Conformal Prediction [58.43397908730771]
  条件付きベクトル回帰(CVQR)のためのフレームワークを提案する。 CVQRは、ニューラルネットワークの最適輸送と量子化された最適化を組み合わせて、予測に適用する。
  論文  参考訳（メタデータ） (2025-09-29T19:50:19Z)
• A Gradient Meta-Learning Joint Optimization for Beamforming and Antenna Position in Pinching-Antenna Systems [63.213207442368294]
  マルチ導波路ピンチアンテナシステムの新しい最適化設計について検討する。 提案したGML-JOアルゴリズムは,既存の最適化手法と比較して,様々な選択や性能に頑健である。
  論文  参考訳（メタデータ） (2025-06-14T17:35:27Z)
• DiffuSolve: Diffusion-based Solver for Non-convex Trajectory Optimization [9.28162057044835]
  最適軌道局所は非線形および高次元力学系において計算コストが高い。 本稿では,非次元オプティマ問題に対するDiffuに基づく一般モデルを提案する。 また,新たな制約付き拡散モデルであるDiff+を提案する。
  論文  参考訳（メタデータ） (2024-02-22T03:52:17Z)
• Double Duality: Variational Primal-Dual Policy Optimization for Constrained Reinforcement Learning [132.7040981721302]
  本研究では,訪問尺度の凸関数を最小化することを目的として,制約付き凸決定プロセス(MDP)について検討する。 制約付き凸MDPの設計アルゴリズムは、大きな状態空間を扱うなど、いくつかの課題に直面している。
  論文  参考訳（メタデータ） (2024-02-16T16:35:18Z)
• A Near-Optimal Single-Loop Stochastic Algorithm for Convex Finite-Sum Coupled Compositional Optimization [53.14532968909759]
  ALEXRと呼ばれる,効率的な単ループプリマル・デュアルブロック座標アルゴリズムを提案する。 本研究では, ALEXR の凸面および強凸面の収束速度を滑らか性および非滑らか性条件下で確立する。 CFCCO の ROC 曲線の下での GDRO および部分領域の実験結果から,提案アルゴリズムの有望な性能を示す。
  論文  参考訳（メタデータ） (2023-12-04T19:00:07Z)
• Stochastic Optimal Control Matching [53.156277491861985]
  最適制御のための新しい反復拡散最適化(IDO)技術である最適制御マッチング(SOCM)を導入する。 この制御は、一致するベクトル場に適合しようとすることで、最小二乗問題を通じて学習される。 実験により,本アルゴリズムは最適制御のための既存のすべての IDO 手法よりも低い誤差を実現する。
  論文  参考訳（メタデータ） (2023-12-04T16:49:43Z)
• Stochastic Coordinate Minimization with Progressive Precision for Stochastic Convex Optimization [16.0251555430107]
  凸最適化のための反復座標最小化(CM)に基づくフレームワークを開発した。 最適精度制御と結果の順序-最適後悔性能を確立する。 提案アルゴリズムは,大規模最適化のためのCMのスケーラビリティと並列性特性を継承し,オンライン実装に適したアルゴリズムである。
  論文  参考訳（メタデータ） (2020-03-11T18:42:40Z)

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。