論文の概要: RL-Based Coverage Path Planning for Deformable Objects on 3D Surfaces

• arxiv url: http://arxiv.org/abs/2603.03137v1
• Date: Tue, 03 Mar 2026 16:16:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:41.863545
• Title: RL-Based Coverage Path Planning for Deformable Objects on 3D Surfaces
• Title（参考訳）: 3次元表面における変形性物体のRLに基づく被覆経路計画
• Authors: Yuhang Zhang, Jinming Ma, Feng Wu,
• Abstract要約: 我々は,曲面ワイピングタスクのための変形可能な物体を操作するため,シミュレータ内の強化学習エージェントを訓練する。 本研究では,高調波UVマッピング,2次元特徴写像上のシミュレータからのプロセス接触フィードバック,スケールド・グループ・コンボリューション(SGCNN)を用いて,物体表面の状態表現を単純化し,特徴を効率的に抽出する。 実験により,本手法は,経路距離や被覆面積など,従来の手法よりも優れた性能を示すことが示された。
• 参考スコア（独自算出の注目度）: 32.12472154789291
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Currently, manipulation tasks for deformable objects often focus on activities like folding clothes, handling ropes, and manipulating bags. However, research on contact-rich tasks involving deformable objects remains relatively underdeveloped. When humans use cloth or sponges to wipe surfaces, they rely on both vision and tactile feedback. Yet, current algorithms still face challenges with issues like occlusion, while research on tactile perception for manipulation is still evolving. Tasks such as covering surfaces with deformable objects demand not only perception but also precise robotic manipulation. To address this, we propose a method that leverages efficient and accessible simulators for task execution. Specifically, we train a reinforcement learning agent in a simulator to manipulate deformable objects for surface wiping tasks. We simplify the state representation of object surfaces using harmonic UV mapping, process contact feedback from the simulator on 2D feature maps, and use scaled grouped convolutions (SGCNN) to extract features efficiently. The agent then outputs actions in a reduced-dimensional action space to generate coverage paths. Experiments demonstrate that our method outperforms previous approaches in key metrics, including total path length and coverage area. We deploy these paths on a Kinova Gen3 manipulator to perform wiping experiments on the back of a torso model, validating the feasibility of our approach.
• Abstract（参考訳）: 現在、変形可能なオブジェクトの操作タスクは、折りたたみ服、ロープの扱い、バッグの操作といった活動に重点を置いていることが多い。 しかし、変形可能な物体を含む接触リッチなタスクの研究は、いまだに未開発である。 人間は布やスポンジを使って表面を拭くとき、視覚と触覚の両方のフィードバックに依存します。 しかし、現在のアルゴリズムは、オクルージョンのような問題で依然として課題に直面しているが、触覚による触覚の操作に関する研究は、いまだに進化を続けている。 変形可能な物体で表面を覆うようなタスクは、知覚だけでなく、正確なロボット操作も要求する。 そこで本研究では,タスク実行のための効率的かつアクセシブルなシミュレータを利用する手法を提案する。 具体的には,曲面ワイピング作業のための変形可能な物体を操作するため,シミュレータ内の強化学習エージェントを訓練する。 本研究では,高調波UVマッピング,2次元特徴写像上のシミュレータからのプロセス接触フィードバック,スケールド・グループ・コンボリューション(SGCNN)を用いて,物体表面の状態表現を単純化し,特徴を効率的に抽出する。 その後エージェントは縮小次元のアクション空間でアクションを出力し、カバレッジパスを生成する。 実験により,本手法は,経路距離や被覆面積など,従来の手法よりも優れた性能を示すことが示された。 我々はこれらの経路をキノバGen3マニピュレータ上に展開し、胴体モデルの裏側でワイピング実験を行い、我々のアプローチの有効性を検証する。

関連論文リスト

• SpatialActor: Exploring Disentangled Spatial Representations for Robust Robotic Manipulation [63.48859753472547]
  SpaceActorは、意味論と幾何学を明確に分離する堅牢なロボット操作のためのフレームワークである。 RLBenchの87.4%で最先端のパフォーマンスを達成し、ノイズの異なる条件下では13.9%から19.4%改善している。
  論文  参考訳（メタデータ） (2025-11-12T18:59:08Z)
• Articulated Object Manipulation using Online Axis Estimation with SAM2-Based Tracking [57.942404069484134]
  アーティキュレートされたオブジェクト操作は、オブジェクトの軸を慎重に考慮する必要がある、正確なオブジェクトインタラクションを必要とする。 従来の研究では、対話的な知覚を用いて関節のある物体を操作するが、通常、オープンループのアプローチは相互作用のダイナミクスを見渡すことに悩まされる。 本稿では,対話的知覚と3次元点雲からのオンライン軸推定を統合したクローズドループパイプラインを提案する。
  論文  参考訳（メタデータ） (2024-09-24T17:59:56Z)
• Uncertainty-aware Active Learning of NeRF-based Object Models for Robot Manipulators using Visual and Re-orientation Actions [8.059133373836913]
  本稿では,ロボットが対象物の完全な3次元モデルを高速に学習し,不慣れな方向で操作できるアプローチを提案する。 我々は、部分的に構築されたNeRFモデルのアンサンブルを用いて、モデルの不確実性を定量化し、次の動作を決定する。 提案手法は, 部分的NeRFモデルにより対象物をいつ, どのように把握し, 再指向するかを判断し, 相互作用中に導入された不整合を補正するために, 対象のポーズを再推定する。
  論文  参考訳（メタデータ） (2024-04-02T10:15:06Z)
• HACMan: Learning Hybrid Actor-Critic Maps for 6D Non-Prehensile Manipulation [29.01984677695523]
  本稿では6次元非包括的操作のための強化学習手法であるHybrid Actor-Critic Maps for Manipulation (HACMan)を紹介する。 シミュレーションおよび実世界における6次元オブジェクトポーズアライメントタスクにおけるHACManの評価を行った。 代替アクション表現と比較して、HACManは最高のベースラインの3倍以上の成功率を達成する。
  論文  参考訳（メタデータ） (2023-05-06T05:55:27Z)
• Robotic Fabric Flattening with Wrinkle Direction Detection [9.822493398088127]
  知覚は、複雑な力学と変形可能なオブジェクトの高度な自由のために、DOMにおける大きな課題の1つと考えられている。 本稿では,Gaborフィルタに基づく新しい画像処理アルゴリズムを開発し,布から有用な特徴を抽出する。 本アルゴリズムは,シミュレーションや実ロボット実験において,布のしわの方向を正確に決定することができる。
  論文  参考訳（メタデータ） (2023-03-08T21:55:15Z)
• Planning with Spatial-Temporal Abstraction from Point Clouds for Deformable Object Manipulation [64.00292856805865]
  空間抽象と時間抽象の両方を組み込んだ空間抽象型PlAnning(PASTA)を提案する。 我々のフレームワークは,高次元の3次元観測を潜時ベクトルの集合にマッピングし,潜時集合表現の上のスキルシーケンスを計画する。 本手法は,実世界のオブジェクト操作を効果的に行うことができることを示す。
  論文  参考訳（メタデータ） (2022-10-27T19:57:04Z)
• Learning to Rearrange Deformable Cables, Fabrics, and Bags with Goal-Conditioned Transporter Networks [36.90218756798642]
  ケーブル、布、バッグなどの変形可能な物体を再配置し、操作することは、ロボット操作における長年の課題である。 1D, 2D, 3Dの変形可能な構造を持つシミュレーションベンチマークスイートを開発した。 本稿では,ロボット操作学習のためのモデルアーキテクチャであるTransporter Networksに目標条件を組み込むことを提案する。
  論文  参考訳（メタデータ） (2020-12-06T22:21:54Z)
• Transferable Active Grasping and Real Embodied Dataset [48.887567134129306]
  ハンドマウント型RGB-Dカメラを用いて把握可能な視点を探索する方法を示す。 現実的な3段階の移動可能な能動把握パイプラインを開発し、未確認のクラッタシーンに適応する。 本研究のパイプラインでは,カテゴリ非関連行動の把握と確保において,スパース報酬問題を克服するために,新しいマスク誘導報酬を提案する。
  論文  参考訳（メタデータ） (2020-04-28T08:15:35Z)

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。