論文の概要: Robot Local Planner: A Periodic Sampling-Based Motion Planner with Minimal Waypoints for Home Environments
- arxiv url: http://arxiv.org/abs/2602.20645v1
- Date: Tue, 24 Feb 2026 07:46:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-23 08:17:41.663074
- Title: Robot Local Planner: A Periodic Sampling-Based Motion Planner with Minimal Waypoints for Home Environments
- Title（参考訳）: ロボットローカルプランナー:家庭環境に最小限の視点を持つ周期サンプリング型モーションプランナー
- Authors: Keisuke Takeshita, Takahiro Yamazaki, Tomohiro Ono, Takashi Yamamoto,
- Abstract要約: 我々は「ロボットローカルプランナー」と呼ばれる周期的サンプリングに基づく全体軌道計画法を提案する。
RLPは最小のウェイポイントで計画し、安全な軌道を生成することで計算時間を最小化する。
実験の結果,RLPは動作計画時間,動作時間,頑健性において既存手法よりも優れていた。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The objective of this study is to enable fast and safe manipulation tasks in home environments. Specifically, we aim to develop a system that can recognize its surroundings and identify target objects while in motion, enabling it to plan and execute actions accordingly. We propose a periodic sampling-based whole-body trajectory planning method, called the "Robot Local Planner (RLP)." This method leverages unique features of home environments to enhance computational efficiency, motion optimality, and robustness against recognition and control errors, all while ensuring safety. The RLP minimizes computation time by planning with minimal waypoints and generating safe trajectories. Furthermore, overall motion optimality is improved by periodically executing trajectory planning to select more optimal motions. This approach incorporates inverse kinematics that are robust to base position errors, further enhancing robustness. Evaluation experiments demonstrated that the RLP outperformed existing methods in terms of motion planning time, motion duration, and robustness, confirming its effectiveness in home environments. Moreover, application experiments using a tidy-up task achieved high success rates and short operation times, thereby underscoring its practical feasibility.
- Abstract（参考訳）: 本研究の目的は,家庭環境における高速で安全な操作作業を可能にすることである。
具体的には,その環境を認識し,動作中の対象物を識別し,それに応じて行動計画と実行を可能にするシステムを開発することを目的とする。
本稿では,ロボットローカルプランナ (Robo Local Planner, RLP) と呼ばれる,周期的なサンプリングに基づく全体軌道計画手法を提案する。
本手法は, ホーム環境のユニークな特徴を活用し, 安全性を確保しつつ, 計算効率, 運動最適性, 認識・制御誤差に対する堅牢性を向上する。
RLPは最小のウェイポイントで計画し、安全な軌道を生成することで計算時間を最小化する。
さらに、より最適な動きを選択するために軌道計画を周期的に実行することにより、全体の運動最適性を向上させる。
このアプローチは、基底位置誤差に対して頑健な逆運動学を取り入れ、さらに強靭性を高める。
評価実験により, RLPは移動計画時間, 運動時間, 頑健性で既存手法よりも優れ, 家庭環境における有効性を確認した。
さらに, チディアップタスクを用いたアプリケーション実験は, 高い成功率, 短い運用時間を実現し, 実用性について検討した。
関連論文リスト
- Spatially Grounded Long-Horizon Task Planning in the Wild [49.614308474374035]
GroundedPlanBenchは、空間的に接地された長距離行動計画のための新しいベンチマークである。
Video-to-Spatially Grounded Planning (V2GP)は、現実のロボットビデオのデモを活用して、空間的地平面の長期計画を改善する自動データ生成フレームワークである。
論文 参考訳（メタデータ） (2026-03-13T05:42:18Z) - MMH-Planner: Multi-Mode Hybrid Trajectory Planning Method for UAV Efficient Flight Based on Real-Time Spatial Awareness [5.419189180406189]
本稿では, リアルタイム環境認識に基づくUAVの多モードハイブリッド軌道計画手法を提案する。
今後の環境における飛行安全性を迅速に評価する目標指向型空間認識手法を提案する。
次に,多モードハイブリッド軌道計画機構を提案し,計画効率を向上させる。
論文 参考訳（メタデータ） (2026-03-03T07:23:19Z) - 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) - Neural MP: A Generalist Neural Motion Planner [75.82675575009077]
運動計画問題にデータ駆動学習を大規模に適用することで,これを実現する。
提案手法は, シミュレーションの複雑なシーンを多数構築し, モーションプランナーから専門家のデータを収集し, 反応的なジェネラリストポリシーに抽出する。
我々は,4つの異なる環境における64の動作計画タスクについて,その方法の徹底的な評価を行う。
論文 参考訳（メタデータ） (2024-09-09T17:59:45Z) - A Meta-Engine Framework for Interleaved Task and Motion Planning using Topological Refinements [51.54559117314768]
タスク・アンド・モーション・プランニング(タスク・アンド・モーション・プランニング、TAMP)は、自動化された計画問題の解決策を見つけるための問題である。
本稿では,TAMP問題のモデル化とベンチマークを行うための,汎用的でオープンソースのフレームワークを提案する。
移動エージェントと複数のタスク状態依存障害を含むTAMP問題を解決する革新的なメタ技術を導入する。
論文 参考訳（メタデータ） (2024-08-11T14:57:57Z) - FR-SLAM: A SLAM Improvement Method Based on Floor Plan Registration [4.9805321746841225]
本稿では,形態素に基づくフロアプラン登録アルゴリズムを用いて,フロアプラン登録に基づくSLAM法を提案する。
これにより、包括的なモーションマップの迅速な取得と効率的な経路計画が容易になり、迅速なナビゲーションが短い時間枠内で位置を目標にすることができる。
実データとシミュレーションデータを用いて行った実験は,他のベンチマークアルゴリズムと比較すると,フロアプランの登録精度の向上と時間消費の短縮を実現している。
論文 参考訳（メタデータ） (2024-07-16T01:23:38Z) - AI planning in the imagination: High-level planning on learned abstract
search spaces [68.75684174531962]
我々は,エージェントが訓練中に学習する抽象的な検索空間において,エージェントが計画することを可能にする,PiZeroと呼ばれる新しい手法を提案する。
本研究では,旅行セールスマン問題,ソコバン問題,2048年,施設立地問題,パックマン問題など,複数の分野で評価を行った。
論文 参考訳（メタデータ） (2023-08-16T22:47:16Z) - DDPEN: Trajectory Optimisation With Sub Goal Generation Model [70.36888514074022]
本稿では,エスケープネットワークを用いた微分動的プログラミング(DDPEN)を提案する。
本稿では,環境の入力マップとして,所望の位置とともにコストマップの形で利用する深層モデルを提案する。
このモデルは、目標に導く可能性のある将来の方向を生成し、リアルタイムに実行可能なローカルなミニマを避ける。
論文 参考訳（メタデータ） (2023-01-18T11:02:06Z) - Hierarchical Policy Blending as Inference for Reactive Robot Control [21.058662668187875]
ぼんやりした、密集した、ダイナミックな環境における運動生成は、ロボット工学における中心的なトピックである。
反応ポリシーと計画の利点を組み合わせた階層的な動き生成手法を提案する。
平面ナビゲーションと6DoF操作の実験的研究により,提案手法は筋活動制御とオンライン再計画の両方に優れることが示された。
論文 参考訳（メタデータ） (2022-10-14T15:16:54Z)
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。