論文の概要: RoboGPU: Accelerating GPU Collision Detection for Robotics
- arxiv url: http://arxiv.org/abs/2603.01517v1
- Date: Mon, 02 Mar 2026 06:48:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-23 08:17:41.818078
- Title: RoboGPU: Accelerating GPU Collision Detection for Robotics
- Title（参考訳）: RoboGPU: ロボティクスのためのGPU衝突検出の高速化
- Authors: Lufei Liu, Liwei Xue, Youssef Mohammed, Jocelyn Zhao, Yuan Hsi Chou, Tor M. Aamodt,
- Abstract要約: 我々は、衝突クエリを3.1$times$で計算するRoboCoreを、レイトレーシングアクセラレータ(RTA)ユニットよりも高速に導入する。
RoboCoreは他のロボティクスのタスクにも役立ち、最先端のニューラルモーションプランナーで3.6$times$のスピードアップを達成した。
- 参考スコア（独自算出の注目度）: 5.256865583034078
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Autonomous robots are increasingly prevalent in our society, emerging in medical care, transportation vehicles, and home assistance. These robots rely on motion planning and collision detection to identify a sequence of movements allowing them to navigate to an end goal without colliding with the surrounding environment. While many specialized accelerators have been proposed to meet the real-time requirements of robotics planning tasks, they often lack the flexibility to adapt to the rapidly changing landscape of robotics and support future advancements. However, GPUs are well-positioned for robotics and we find that they can also tackle collision detection algorithms with enhancements to existing ray tracing accelerator (RTA) units. Unlike intersection tests in ray tracing, collision queries in robotics require control flow mechanisms to avoid unnecessary computations in each query. In this work, we explore and compare different architectural modifications to address the gaps of existing GPU RTAs. Our proposed RoboGPU architecture introduces a RoboCore that computes collision queries 3.1$\times$ faster than RTA implementations and 14.8$\times$ faster than a CUDA baseline. RoboCore is also useful for other robotics tasks, achieving 3.6$\times$ speedup on a state-of-the-art neural motion planner and 1.1$\times$ speedup on Monte Carlo Localization compared to a baseline GPU. RoboGPU matches the performance of dedicated hardware accelerators while being able to adapt to evolving motion planning algorithms and support classical algorithms.
- Abstract（参考訳）: 自律型ロボットは、医療、輸送車両、ホームアシストなど、私たちの社会でますます普及している。
これらのロボットは動きの計画と衝突検出に頼り、周囲の環境と衝突することなく最終目標に向かって移動できる一連の動きを識別する。
ロボット計画タスクのリアルタイム要件を満たすために、多くの専門的なアクセラレータが提案されているが、ロボット工学の急速に変化する状況に適応し、将来の進歩をサポートする柔軟性に欠けることが多い。
しかし、GPUはロボット工学に適しており、既存のレイトレーシング・アクセラレーター(RTA)ユニットの強化により衝突検出アルゴリズムにも取り組むことができる。
レイトレーシングにおける交差試験とは異なり、ロボットの衝突クエリは各クエリで不要な計算を避けるために制御フロー機構を必要とする。
本研究では、既存のGPU RTAのギャップに対処するため、さまざまなアーキテクチャ修正を探索し、比較する。
提案するRoboGPUアーキテクチャでは,衝突クエリ3.1$\times$をRTA実装よりも高速に,CUDAベースラインよりも14.8$\times$を高速に計算するRoboCoreを導入している。
RoboCoreは、最先端のニューラルモーションプランナーで3.6$\times$スピードアップ、モンテカルロローカライゼーションで1.1$\times$スピードアップを達成するなど、他のロボティクスのタスクにも有用である。
RoboGPUは専用のハードウェアアクセラレータのパフォーマンスにマッチし、進化するモーションプランニングアルゴリズムに適応し、古典的なアルゴリズムをサポートすることができる。
関連論文リスト
- Isaac Lab: A GPU-Accelerated Simulation Framework for Multi-Modal Robot Learning [72.43357471969564]
Isaac Labは、高忠実度GPU並列物理、レンダリング、および環境の設計とロボットポリシーのトレーニングのためのモジュラーで構成可能なアーキテクチャを組み合わせる。
我々は、全身制御、クロス・エボディメント・モビリティ、接触豊かで器用な操作、スキル獲得のための人間のデモの統合など、さまざまな課題へのその応用を強調した。
アイザック・ラボの高度なシミュレーション能力、リッチセンシング、データセンターのスケール実行の組み合わせは、ロボット研究における次世代のブレークスルーを解き放つのに役立つと信じています。
論文 参考訳（メタデータ） (2025-11-06T21:43:02Z) - Neural Implicit Swept Volume Models for Fast Collision Detection [0.0]
本稿では,深層学習に基づく符号付き距離計算の高速化と幾何衝突チェッカーの精度保証を併用したアルゴリズムを提案する。
シミュレーションおよび実世界のロボット実験において、我々のアプローチを検証するとともに、商用ビンピッキングアプリケーションを高速化できることを実証する。
論文 参考訳（メタデータ） (2024-02-23T12:06:48Z) - RoboScript: Code Generation for Free-Form Manipulation Tasks across Real
and Simulation [77.41969287400977]
本稿では,コード生成を利用したデプロイ可能なロボット操作パイプラインのためのプラットフォームである textbfRobotScript を提案する。
自由形自然言語におけるロボット操作タスクのためのコード生成ベンチマークも提案する。
我々は,Franka と UR5 のロボットアームを含む,複数のロボットエボディメントにまたがるコード生成フレームワークの適応性を実証した。
論文 参考訳（メタデータ） (2024-02-22T15:12:00Z) - Motion Policy Networks [61.87789591369106]
本稿では,M$pi$Nets (Motion Policy Networks) と呼ばれるエンドツーエンドのニューラルモデルを提案する。
実験の結果,M$pi$Netsはグローバルプランナーよりもはるかに高速であり,動的シーンに対処するために必要な反応性を示した。
論文 参考訳（メタデータ） (2022-10-21T19:37:09Z) - 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) - Coupling Vision and Proprioception for Navigation of Legged Robots [65.59559699815512]
我々は視覚と受容の相補的な強みを利用して、脚のあるロボットでポイントゴールナビゲーションを実現する。
車輪付きロボット(LoCoBot)のベースラインよりも優れた性能を示す。
また,センサーと計算能力を備えた四足歩行ロボットに,我々のシステムを実環境に展開することも示す。
論文 参考訳（メタデータ） (2021-12-03T18:59:59Z) - Semantic Scene Segmentation for Robotics Applications [51.66271681532262]
様々な設定の下で,最も成功したセマンティックシーンセグメンテーションモデルの動作を,展開(推論)速度の観点から検討する。
この研究の目的は、ロボット工学の応用要件に最も適合しているものを選択するために、現在の最先端セグメンテーションモデルの比較研究を提供することである。
論文 参考訳（メタデータ） (2021-08-25T08:55:20Z) - 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) - A Survey of FPGA-Based Robotic Computing [14.678669738217552]
ロボットアルゴリズムの高速計算とデータ複雑さは、その応用に大きな課題をもたらす。
特別に設計されたハードウェアロジックとアルゴリズムカーネルにより、FPGAベースのアクセラレータはCPUとGPUを性能とエネルギー効率で上回ることができる。
ソフトウェアとハードウェアの最適化技術と主要な技術的問題の解析と、いくつかの商用および宇宙アプリケーションについて述べる。
論文 参考訳（メタデータ） (2020-09-13T16:22:08Z) - Predicting Sample Collision with Neural Networks [5.713670854553366]
本稿では,サンプリングベース動作計画における高価なプリミティブ操作のコストに対処する枠組みを提案する。
我々は,2次元および3次元の作業空間における多様なロボットによる複数計画問題の枠組みを評価する。
論文 参考訳（メタデータ） (2020-06-30T14:56:14Z)
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。