論文の概要: Autonomous Block Assembly for Boom Cranes with Passive Joint Dynamics: Integrated Vision MPC Control

• arxiv url: http://arxiv.org/abs/2603.00103v1
• Date: Tue, 17 Feb 2026 21:14:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-30 05:04:03.326048
• Title: Autonomous Block Assembly for Boom Cranes with Passive Joint Dynamics: Integrated Vision MPC Control
• Title（参考訳）: 受動継手ダイナミクスを用いたブームクレーンの自律的ブロックアセンブリ:統合ビジョンMPC制御
• Authors: Gerald Ebmer, Minh Nhat Vu, Tobias Glück, Wolfgang Kemmetmüller,
• Abstract要約: 本稿では,プレハブブロックの組立を行う調音式ブームクレーンの自律制御フレームワークを提案する。 対処すべき重要な課題は、振り子のような揺れを引き起こす受動的関節力学の下での正確な配置制御である。 我々の統合されたアプローチは、ビルディングブロックのリアルタイムな視覚に基づくポーズ推定、衝突を意識したB-スプライン経路計画、非線形モデル予測制御を組み合わせたものである。
• 参考スコア（独自算出の注目度）: 3.9719362453207943
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper presents an autonomous control framework for articulated boom cranes performing prefabricated block assembly in construction environments. The key challenge addressed is precise placement control under passive joint dynamics that cause pendulum-like sway, complicating the accurate positioning of building components. Our integrated approach combines real-time vision-based pose estimation of building blocks, collision-aware B-spline path planning, and nonlinear model predictive control (NMPC) to achieve autonomous pickup, placement, and obstacle-avoidance assembly operations. The framework is validated on a laboratory-scale testbed that emulates crane kinematics and passive dynamics while enabling rapid experimentation. The collision-aware planner generates feasible B-spline references in real-time on CPU hardware with anytime performance, while the NMPC controller actively suppresses passive joint sway and tracks the planned trajectory under continuous vision feedback. Experimental results demonstrate autonomous block stacking and obstacle-avoidance assembly, with sway damping reducing settling times by more than an order of magnitude compared to uncontrolled passive dynamics, confirming the real-time feasibility of the integrated approach for construction automation.
• Abstract（参考訳）: 本稿では,建設環境下でのプレハブブロック組立を行う調音式ブームクレーンの自律制御フレームワークを提案する。 対処すべき重要な課題は、受動的関節力学の下での正確な配置制御であり、それは振り子のような揺れを引き起こし、建築部品の正確な位置決めを複雑にする。 我々の統合されたアプローチは、ビルディングブロックのリアルタイムな視覚に基づくポーズ推定、衝突を意識したB-スプライン経路計画、非線形モデル予測制御(NMPC)を組み合わせて、自律的なピックアップ、配置、障害物回避アセンブリ操作を実現する。 このフレームワークはクレーンキネマティクスと受動動力学をエミュレートし、迅速な実験を可能にする実験室規模のテストベッドで検証されている。 NMPCコントローラは受動継手スウェイを積極的に抑制し、連続的な視覚フィードバックの下で計画された軌道を追跡しながら、衝突対応プランナーはCPUハードウェア上でリアルタイムに実行可能なBスプライン参照を生成する。 自動ブロック積み重ねと障害物回避組立を実証し,無制御の受動動力学と比較してスウェイ減衰により沈降時間を1桁以上削減し,建設自動化における統合的アプローチのリアルタイム実現可能性を確認した。

関連論文リスト

• Onboard MuJoCo-based Model Predictive Control for Shipboard Crane with Double-Pendulum Sway Suppression [7.645323708488569]
  海上での重荷の移動は、危険なペイロードのスウェイによって制限された効率的なクレーンの運用に依存している。 既存の制御方法はそのような設定で苦労し、しばしば単純化された分析モデルに依存している。 MuJoCo MPCフレームワークを中心とした,完全なリアルタイム制御パイプラインを示す。
  論文  参考訳（メタデータ） (2026-03-17T11:43:52Z)
• From Perception to Action: An Interactive Benchmark for Vision Reasoning [51.11355591375073]
  Causal Hierarchy of Actions and Interactions (CHAIN)ベンチマークは、モデルが物理的制約に基づいて構造化されたアクションシーケンスを理解し、計画し、実行できるかを評価するために設計された。 CHAINは、受動的知覚からアクティブな問題解決、機械パズルのインターロックや3D積み重ね、パッキングといったタスクへと評価をシフトする。 以上の結果から,トップパフォーマンスモデルでは,物理構造や因果制約の内在化に苦慮し,信頼性の高い長期計画の作成に失敗することが多く,認識された構造を効果的に翻訳することができないことが示唆された。
  論文  参考訳（メタデータ） (2026-02-24T15:33:02Z)
• Transformer-Based Reinforcement Learning for Autonomous Orbital Collision Avoidance in Partially Observable Environments [0.3093890460224435]
  自律軌道衝突回避のためのトランスフォーマーに基づく強化学習フレームワークを提案する。 この研究の中心的な貢献は、トランスフォーマーベースのPartially Observable Markov Decision Processアーキテクチャの利用である。 この統合は、不完全な監視環境下でより確実に動作可能な衝突回避エージェントを訓練するための基盤を提供する。
  論文  参考訳（メタデータ） (2026-02-05T04:57:58Z)
• NOVA: Navigation via Object-Centric Visual Autonomy for High-Speed Target Tracking in Unstructured GPS-Denied Environments [56.35569661650558]
  我々はNOVAというオブジェクト中心のフレームワークを導入し、ロバストな目標追跡と衝突認識ナビゲーションを可能にした。 グローバルマップを構築するのではなく、NOVAはターゲットの参照フレーム内での知覚、推定、制御を定式化する。 我々は,都市迷路や森林の小道,間欠的なGPS損失を伴う建物内の繰り返し遷移など,現実の挑戦的なシナリオにまたがってNOVAを検証する。
  論文  参考訳（メタデータ） (2025-06-23T14:28:30Z)
• Code-as-Monitor: Constraint-aware Visual Programming for Reactive and Proactive Robotic Failure Detection [56.66677293607114]
  オープンセットのリアクティブかつアクティブな障害検出のためのCode-as-Monitor(CaM)を提案する。 モニタリングの精度と効率を高めるために,制約関連エンティティを抽象化する制約要素を導入する。 実験により、CaMは28.7%高い成功率を達成し、厳しい乱れの下で実行時間を31.8%短縮することが示された。
  論文  参考訳（メタデータ） (2024-12-05T18:58:27Z)
• Integrating DeepRL with Robust Low-Level Control in Robotic Manipulators for Non-Repetitive Reaching Tasks [0.24578723416255746]
  ロボット工学では、現代の戦略は学習に基づくもので、複雑なブラックボックスの性質と解釈可能性の欠如が特徴である。 本稿では, 深部強化学習(DRL)に基づく衝突のない軌道プランナと, 自動調整型低レベル制御戦略を統合することを提案する。
  論文  参考訳（メタデータ） (2024-02-04T15:54:03Z)
• Learned Risk Metric Maps for Kinodynamic Systems [54.49871675894546]
  本研究では,高次元力学系のコヒーレントリスクメトリクスをリアルタイムに推定するための学習型リスクメトリクスマップを提案する。 LRMMモデルは設計と訓練が簡単で、障害セットの手続き的生成、状態と制御のサンプリング、および関数近似器の教師付きトレーニングのみを必要とする。
  論文  参考訳（メタデータ） (2023-02-28T17:51:43Z)
• Nonprehensile Riemannian Motion Predictive Control [57.295751294224765]
  本稿では,リアル・ツー・シムの報酬分析手法を導入し,リアルなロボット・プラットフォームに対する行動の可能性を確実に予測する。 連続的なアクション空間でオブジェクトを反応的にプッシュするクローズドループコントローラを作成します。 我々は,RMPCが乱雑な環境だけでなく,乱雑な環境においても頑健であり,ベースラインよりも優れていることを観察した。
  論文  参考訳（メタデータ） (2021-11-15T18:50:04Z)

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。