論文の概要: Planning Method for Skill-Based Control of Robots Using a PLC as Skill Trigger

• arxiv url: http://arxiv.org/abs/2603.00555v1
• Date: Sat, 28 Feb 2026 09:14:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:41.779841
• Title: Planning Method for Skill-Based Control of Robots Using a PLC as Skill Trigger
• Title（参考訳）: PLCをスキルトリガーとしたロボットのスキルベース制御の計画法
• Authors: Andreas Gaugenrieder, Hari Hara Balasubramaniam, Jannik Möhrle, Rüdiger Daub,
• Abstract要約: 既存のソリューションは、動作シーケンスの最適化を無視し、実行の非効率をもたらす。 本研究は,動作シーケンス最適化を統合することで,スキルベースのロボットプログラミングを向上する計画手法を提案する。
• 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: Skill-based programming of robots provides a flexible approach for automation. Existing solutions neglect the optimization of motion sequences, leading to inefficiencies in execution. This work introduces a planning method that enhances skill-based robot programming by integrating motion sequence optimization. This optimization leads to a new MoveContinuousSkill. The software for executing the MoveContinuousSkill is implemented on a Programmable Logic Controller and applied across multiple robotic systems. Experimental results demonstrate a significant improvement in execution time through optimized motion sequence.
• Abstract（参考訳）: ロボットのスキルベースのプログラミングは、自動化に柔軟なアプローチを提供する。 既存のソリューションは、動作シーケンスの最適化を無視し、実行の非効率をもたらす。 本研究は,動作シーケンス最適化を統合することで,スキルベースのロボットプログラミングを向上する計画手法を提案する。 この最適化により、MoveContinuousSkillが新たに導入された。 MoveContinuousSkillを実行するソフトウェアはProgrammable Logic Controller上に実装され、複数のロボットシステムに適用される。 実験結果は、最適化された動作シーケンスによる実行時間を大幅に改善したことを示している。

関連論文リスト

• FreeAction: Training-Free Techniques for Enhanced Fidelity of Trajectory-to-Video Generation [50.39748673817223]
  本稿では,ロボットビデオ生成における明示的な動作パラメータを完全に活用する2つのトレーニング不要な推論時間手法を提案する。 第一に、アクションスケールの分類器フリーガイダンスは、動作の大きさに比例して誘導強度を動的に調整し、運動強度に対する制御性を高める。 第二に、アクションスケールノイズトランケーションは、初期サンプルノイズの分布を調整し、所望の運動力学とよりよく一致させる。
  論文  参考訳（メタデータ） (2025-09-29T03:30:40Z)
• FAST: Efficient Action Tokenization for Vision-Language-Action Models [98.15494168962563]
  離散コサイン変換に基づくロボット動作のための圧縮に基づく新しいトークン化手法を提案する。 FASTをベースとしたFAST+は,100万個のリアルロボットアクショントラジェクトリに基づいて訓練されたユニバーサルロボットアクショントークンである。
  論文  参考訳（メタデータ） (2025-01-16T18:57:04Z)
• Design Optimizer for Soft Growing Robot Manipulators in Three-Dimensional Environments [0.7209792639354117]
  ソフト成長ロボットは、散らかったり危険な環境下でのナビゲーションのための植物のような成長を模倣する新しいデバイスである。 本研究は,ソフト成長ロボットの設計最適化のためのアプローチを提案する。 これは、特定のタスクを解くためのロボットの最適なサイズを示唆している。
  論文  参考訳（メタデータ） (2024-12-31T09:44:18Z)
• RobotDiffuse: Motion Planning for Redundant Manipulator based on Diffusion Model [13.110235244912474]
  冗長マニピュレータは、キネマティック性能と汎用性の向上を提供する。 これらのマニピュレータの動作計画は、DOFの増加と複雑な動的環境のために困難である。 本稿では,冗長マニピュレータにおける運動計画のための拡散モデルに基づくロボットディフューズを提案する。
  論文  参考訳（メタデータ） (2024-12-27T07:34:54Z)
• Robotic warehousing operations: a learn-then-optimize approach to large-scale neighborhood search [84.39855372157616]
  本稿では,ワークステーションの注文処理,アイテムポッドの割り当て,ワークステーションでの注文処理のスケジュールを最適化することで,ウェアハウジングにおけるロボット部品対ピッカー操作を支援する。 そこで我々は, 大規模近傍探索を用いて, サブプロブレム生成に対する学習を最適化する手法を提案する。 Amazon Roboticsと共同で、我々のモデルとアルゴリズムは、最先端のアプローチよりも、実用的な問題に対するより強力なソリューションを生み出していることを示す。
  論文  参考訳（メタデータ） (2024-08-29T20:22:22Z)
• Simultaneous Contact-Rich Grasping and Locomotion via Distributed Optimization Enabling Free-Climbing for Multi-Limbed Robots [60.06216976204385]
  移動, 把握, 接触問題を同時に解くための効率的な運動計画フレームワークを提案する。 ハードウェア実験において提案手法を実証し, より短い計画時間で, 傾斜角45degで自由クライミングを含む様々な動作を実現できることを示す。
  論文  参考訳（メタデータ） (2022-07-04T13:52:10Z)
• An advantage actor-critic algorithm for robotic motion planning in dense and dynamic scenarios [0.8594140167290099]
  本稿では,既存のアクター批判アルゴリズムを改良し,複雑な動作計画に適合する。 ロボットが目標を達成するまでの処理時間を短縮し、動き計画においてより高い成功率を達成する。
  論文  参考訳（メタデータ） (2021-02-05T12:30:23Z)
• Thinking While Moving: Deep Reinforcement Learning with Concurrent Control [122.49572467292293]
  本研究では,制御システムの時間的進化とともに,ポリシーからのアクションのサンプリングを同時に行わなければならないような環境下での強化学習について検討する。 人や動物のように、ロボットは思考と移動を同時に行わなければならず、前の動作が完了する前に次の動作を決定する。
  論文  参考訳（メタデータ） (2020-04-13T17:49:29Z)

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。