論文の概要: Smoothly Differentiable and Efficiently Vectorizable Contact Manifold Generation

• arxiv url: http://arxiv.org/abs/2602.20304v1
• Date: Mon, 23 Feb 2026 19:34:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:41.655619
• Title: Smoothly Differentiable and Efficiently Vectorizable Contact Manifold Generation
• Title（参考訳）: Smoothly Differentiable and Efficiently Vectorizable Contact Manifold Generation
• Abstract要約: 既存の微分可能シミュレーションフレームワークが直面する重要なボトルネックは、接触多様体の生成である。 このボトルネックに寄与する主な要因は、一般的なロボットシミュレータの関連ルーチンがベクター化や微分可能性のために設計されていないことである。 これらの目標を念頭においてゼロから設計されたフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 32.9796391255775
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Simulating rigid-body dynamics with contact in a fast, massively vectorizable, and smoothly differentiable manner is highly desirable in robotics. An important bottleneck faced by existing differentiable simulation frameworks is contact manifold generation: representing the volume of intersection between two colliding geometries via a discrete set of properly distributed contact points. A major factor contributing to this bottleneck is that the related routines of commonly used robotics simulators were not designed with vectorization and differentiability as a primary concern, and thus rely on logic and control flow that hinder these goals. We instead propose a framework designed from the ground up with these goals in mind, by trying to strike a middle ground between: i) convex primitive based approaches used by common robotics simulators (efficient but not differentiable), and ii) mollified vertex-face and edge-edge unsigned distance-based approaches used by barrier methods (differentiable but inefficient). Concretely, we propose: i) a representative set of smooth analytical signed distance primitives to implement vertex-face collisions, and ii) a novel differentiable edge-edge collision routine that can provide signed distances and signed contact normals. The proposed framework is evaluated via a set of didactic experiments and benchmarked against the collision detection routine of the well-established Mujoco XLA framework, where we observe a significant speedup. Supplementary videos can be found at https://github.com/bekeronur/contax, where a reference implementation in JAX will also be made available at the conclusion of the review process.
• Abstract（参考訳）: 高速で、非常にベクトル化可能で、スムーズな微分可能な方法で接触を伴う剛体力学をシミュレーションすることは、ロボット工学において非常に望ましい。 既存の微分可能シミュレーションフレームワークが直面する重要なボトルネックは、接触多様体の生成である。 このボトルネックに寄与する主な要因は、一般的なロボットシミュレーターの関連するルーチンがベクトル化と微分可能性に第一の関心事として設計されておらず、したがってこれらの目標を妨げている論理と制御フローに依存していることである。 代わりに、これらの目標を念頭に置いてゼロから設計されたフレームワークを提案します。 一 一般的なロボティクスシミュレーターで用いられる凸原始的アプローチ(効率性はあるが差別性がない)及び 二 バリア法(微分可能であるが、非効率)で用いられる軟化頂点面及び辺縁未符号距離に基づくアプローチ 具体的には,以下のことを提案する。 一 頂点面衝突を行うための円滑な解析的符号付き距離プリミティブの代表的な集合 二 符号付き距離及び符号付き接触正常度を提供することができる新規な識別可能なエッジエッジ衝突ルーチン 提案するフレームワークは,一連のドクティック実験により評価され,確立された Mujoco XLA フレームワークの衝突検出ルーチンに対してベンチマークを行い,その速度向上について検討した。 追加のビデオはhttps://github.com/bekeronur/contaxで見ることができる。

関連論文リスト

• CosmoH2G: A Hand-to-Gripper Transfer Dataset and Baseline Method for Object Manipulation with Complex Spatial Movements [63.40365657068892]
  ロボットグリップに人手によるデモンストレーションを移すことは、最近、ロボット学習の費用対効果の高いソリューションとして浮上した。 このギャップに触発された我々は、きめ細かい手の動きによって導かれる暗黙的なデータ駆動アプローチを採用した。 シミュレーションと実ロボット実験の両方において、我々のフレームワークは複雑な空間操作の安定かつ高精度なハンド・トゥ・グルーパー転送を可能にする。
  論文  参考訳（メタデータ） (2026-09-07T13:47:22Z)
• MANGO-Grasp: Mahalanobis Fields over Geometry-Oriented 3D Gaussians for Cross-Embodiment Dexterous Grasping [82.63833405368159]
  クロス・エボディメント・デキスタラス・グルーピングは、異種多指ハンド間の安定したグルーピングを、エンボディメント固有のチューニングをほとんど、あるいは全く行わずに合成することを目的としている。 物体を幾何学指向の3Dガウスプリミティブとして、ロボットハンドをモルフォキネマティックな記述子に符号化した表面キーポイントとして表現する異方性相互作用フレームワークであるMANGO-Graspを提案する。
  論文  参考訳（メタデータ） (2026-08-03T10:12:15Z)
• Differentiable SpaTiaL: Symbolic Learning and Reasoning with Geometric Temporal Logic for Manipulation Tasks [10.590774471054255]
  乱雑な環境で複雑な操作を行うには、幾何学的および時間的制約を満たす必要がある。 多角形集合上でスムーズで自己階数互換な幾何的プリミティブを直接構成する、完全にテンソル化されたツールボックスである微分可能なSpaTiaLを提案する。 鍵空間述語を微分可能緩和することにより、高レベルな仕様から低レベルな幾何学的構成へのエンドツーエンドの異なる意味的マッピングを可能にする。
  論文  参考訳（メタデータ） (2026-04-03T02:13:47Z)
• IoUCert: Robustness Verification for Anchor-based Object Detectors [58.35703549470485]
  IoUCertは、アンカーベースのオブジェクト検出アーキテクチャにおいて、これらのボトルネックを克服するために設計された、新しい形式的検証フレームワークである。 本手法は, SSD, YOLOv2, YOLOv3など, 現実的なアンカーベースモデルの各種入力摂動に対するロバスト性検証を可能にする。
  論文  参考訳（メタデータ） (2026-03-03T14:36:46Z)
• It Takes Two to Tango: A Holistic Simulator for Joint Order Scheduling and Multi-Agent Path Finding in Robotic Warehouses [18.101514832695067]
  WareRoverはOSとMAPFの動的結合を強制する総合シミュレーションプラットフォームである。 標準ベンチマークとは異なり、WareRoverは順序ストリーム、物理を意識した動作制約、非線形回復機構を単一の評価ループに統合する。
  論文  参考訳（メタデータ） (2026-02-15T05:51:58Z)
• Collision Detection with Analytical Derivatives of Contact Kinematics [2.9976270169593495]
  異なる接触キネマティクスは、ロボット工学における勾配に基づく手法に不可欠である。 我々は,暗黙的な識別可能な衝突検出と接触キネマティクスフレームワークであるiDCOLを開発した。
  論文  参考訳（メタデータ） (2026-02-03T08:34:31Z)
• Robust Rigid Body Assembly via Contact-Implicit Optimal Control with Exact Second-Order Derivatives [0.9079873854272275]
  本稿では, 組立動作決定のためのサンプル効率の高いロバスト最適制御手法を提案する。 数値解法に二階解析微分を与える微分可能な物理シミュレーションを構築する。 物理シミュレーション問題の解法は、衝突検出と接触分解問題の両方に適用された内部点法にインスパイアされた平滑化を用いて微分可能とする。
  論文  参考訳（メタデータ） (2026-01-30T11:21:20Z)
• A Hybrid Approach for Visual Multi-Object Tracking [3.259045978275386]
  本稿では,非線形力学下での未知および時間変化対象数の整合性を確保するために,視覚的多対象追跡手法を提案する。 粒子フィルタは非線形力学と非ガウス雑音に対処し、粒子最適化(PSO)の支援により粒子を状態分布モードへ誘導する。 ターゲット状態のスムーズな更新と識別の保存のための新しいスキームが提案されている。
  論文  参考訳（メタデータ） (2025-10-28T13:22:24Z)
• Flow-Opt: Scalable Centralized Multi-Robot Trajectory Optimization with Flow Matching and Differentiable Optimization [2.4149533870085174]
  Flow-Optは、集中型マルチロボット軌道最適化の計算トラクタビリティ向上のための学習ベースのアプローチである。 我々は,数ミリ秒で散在する環境下で,数十個のロボットの軌跡を生成できることを実証した。 また,提案手法は,競合するベースラインよりも高速にスムーズな軌道列を生成する。
  論文  参考訳（メタデータ） (2025-10-10T09:43:18Z)
• Steerable Adversarial Scenario Generation through Test-Time Preference Alignment [58.37104890690234]
  対立シナリオ生成は、自律運転システムの安全性評価のためのコスト効率の良いアプローチである。 textbfSteerable textbfAdversarial scenario textbfGEnerator (SAGE) という新しいフレームワークを導入する。 SAGEは、逆境とリアリズムの間のトレードオフを、再トレーニングなしできめ細かいテストタイムコントロールを可能にします。
  論文  参考訳（メタデータ） (2025-09-24T13:27:35Z)
• Multi-Agent Path Finding in Continuous Spaces with Projected Diffusion Models [57.45019514036948]
  MAPF(Multi-Agent Path Finding)は、ロボット工学における基本的な問題である。 連続空間におけるMAPFの拡散モデルと制約付き最適化を統合する新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-12-23T21:27:19Z)
• Towards Universal Mesh Movement Networks [13.450178050669964]
  我々はUniversal Mesh Movement Network (UM2N)を紹介する。 UM2Nは、異なるサイズ分布と構造を持つメッシュを動かすために、非侵入的ゼロショット方式で適用することができる。 本研究では, 実世界の津波シミュレーション事例とともに, 対流法とナビエ・ストークス法に基づく実例について検討した。
  論文  参考訳（メタデータ） (2024-06-29T09:35:12Z)
• Congestion-aware Multi-agent Trajectory Prediction for Collision Avoidance [110.63037190641414]
  渋滞パターンを明示的に学習し、新しい「センス--学習--Reason--予測」フレームワークを考案する。 学習段階を2段階に分解することで、「学生」は「教師」から文脈的手がかりを学習し、衝突のない軌跡を生成する。 実験では,提案モデルが合成データセットにおいて衝突のない軌道予測を生成できることを実証する。
  論文  参考訳（メタデータ） (2021-03-26T02:42:33Z)
• DiffCo: Auto-Differentiable Proxy Collision Detection with Multi-class Labels for Safety-Aware Trajectory Optimization [5.35056843248536]
  DiffCoは、衝突検出のための最初の完全自動微分可能非パラメトリックモデルである。 バックプロパゲーションによる軌道最適化のための頑健な勾配を提供し、幾何学的手法よりも計算が10-100倍高速であることが多い。
  論文  参考訳（メタデータ） (2021-02-15T09:31:26Z)
• Scalable Differentiable Physics for Learning and Control [99.4302215142673]
  微分物理学は、物理的対象や環境を含む問題を学習し、制御するための強力なアプローチである。 我々は、多数のオブジェクトとその相互作用をサポートすることができる微分可能物理学のためのスケーラブルなフレームワークを開発する。
  論文  参考訳（メタデータ） (2020-07-04T19:07:51Z)

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。