論文の概要: cuRoboV2: Dynamics-Aware Motion Generation with Depth-Fused Distance Fields for High-DoF Robots

• arxiv url: http://arxiv.org/abs/2603.05493v1
• Date: Thu, 05 Mar 2026 18:58:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:41.95243
• Title: cuRoboV2: Dynamics-Aware Motion Generation with Depth-Fused Distance Fields for High-DoF Robots
• Title（参考訳）: cuRoboV2:高DoFロボットの深部融合距離場を用いたダイナミック・アウェア・モーション生成
• Abstract要約: cuRoboV2は、シングルアームマニピュレータからフルヒューマノイドにスケールするモーション生成スタックである。 1)スムーズさとトルク制限を強制するB-スプライン軌道最適化,(2)フルワークスペースをカバーする高密度符号付き距離場を生成するGPUネイティブTS/ESDF認識パイプライン,(3)高DoFヒューマノイドにも拡張しながら最大61倍の速度で到達する逆ダイナミクスマップ-リデュース自己ネイティブ。
• 参考スコア（独自算出の注目度）: 12.825461775215366
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Effective robot autonomy requires motion generation that is safe, feasible, and reactive. Current methods are fragmented: fast planners output physically unexecutable trajectories, reactive controllers struggle with high-fidelity perception, and existing solvers fail on high-DoF systems. We present cuRoboV2, a unified framework with three key innovations: (1) B-spline trajectory optimization that enforces smoothness and torque limits; (2) a GPU-native TSDF/ESDF perception pipeline that generates dense signed distance fields covering the full workspace, unlike existing methods that only provide distances within sparsely allocated blocks, up to 10x faster and in 8x less memory than the state-of-the-art at manipulation scale, with up to 99% collision recall; and (3) scalable GPU-native whole-body computation, namely topology-aware kinematics, differentiable inverse dynamics, and map-reduce self-collision, that achieves up to 61x speedup while also extending to high-DoF humanoids (where previous GPU implementations fail). On benchmarks, cuRoboV2 achieves 99.7% success under 3kg payload (where baselines achieve only 72--77%), 99.6% collision-free IK on a 48-DoF humanoid (where prior methods fail entirely), and 89.5% retargeting constraint satisfaction (vs. 61% for PyRoki); these collision-free motions yield locomotion policies with 21% lower tracking error than PyRoki and 12x lower cross-seed variance than mink. A ground-up codebase redesign for discoverability enabled LLM coding assistants to author up to 73% of new modules, including hand-optimized CUDA kernels, demonstrating that well-structured robotics code can unlock productive human--LLM collaboration. Together, these advances provide a unified, dynamics-aware motion generation stack that scales from single-arm manipulators to full humanoids.
• Abstract（参考訳）: 効果的なロボットの自律性には、安全で実現可能で反応性のあるモーションジェネレーションが必要である。 高速プランナーは物理的に実行不可能な軌道を出力し、リアクティブコントローラは高忠実度知覚に苦しむ。 1)スムーズさとトルク制限を強制するB-スプライントラジェクトリ最適化、(2)フルワークスペースをカバーする密度の高い符号付き距離フィールドを生成するGPUネイティブTSDF/ESDF認識パイプライン、(2)スムーズな割り当てブロック内距離のみを提供する既存のメソッド、最大10倍高速で最大8倍少ないメモリ、最大99%の衝突リコール、(3)スケーラブルなGPUネイティブな全体計算、すなわちトポロジ対応のキネマティクス、微分インバースダイナミクス、Map-reduceセルフコリジョン、の3つの主要な革新点について述べる。 ベンチマークでは、cuRoboV2は3kgペイロードで99.7%の成功(ベースラインが72--77%しか達成していない)、48-DoFヒューマノイドで99.6%の衝突のないIK(以前の方法が完全に失敗している)、89.5%の制約満足度(PyRokiのvs. 61%)、これらの衝突のない動きは、PyRokiよりも21%低いトラッキングエラーと12倍低いクロスシード分散のロコモーションポリシーをもたらす。 発見可能性のためのコードベースの再設計により、LLMコーディングアシスタントは、手動最適化CUDAカーネルを含む73%の新しいモジュールを作成できるようになった。 これらの進歩により、シングルアームマニピュレータからフルヒューマノイドにスケールする、統一されたダイナミックス対応モーション生成スタックが提供される。

関連論文リスト

• Non-Prehensile Throwing: A Reinforcement Learning Perspective [4.519185019401122]
  非包括的(グラフフリー)な投球は、大きく、重く、そして/または変形可能なオブジェクトに適している。 既存のアプローチは、単純化された接触モデルによるモデルベースの最適化に依存している。 共同空間軌跡を直接最適化する強化学習手法を提案する。 提案手法では,重量 (790 g) や大型 (20x20x28 cm) などの多種多様な物体を350cm,180cmの目標に投棄し,実世界の成功率は97%に達した。
  論文  参考訳（メタデータ） (2026-09-01T06:00:33Z)
• GigaBrain-WBC-0.5: A Behavior World Model for Robust Whole-Body Control with Environment Interaction [68.67772166423812]
  ヒューマノイド全身制御のための行動世界モデル(BWM)であるGigaBrain-WBC-0.5を提案する。 純粋にリアクティブなトラッカーではなく、因果トランスフォーマーをトレーニングして、次のアクション、次の状態、次の潜伏動作コマンドに対する分布を共同で予測します。 自動地形アノテーションパイプラインは、再ターゲティングされた動きから完全な3D接触形状を復元し、既存の動きデータセットのスケールでの地形アノテートを可能にする。
  論文  参考訳（メタデータ） (2026-08-18T18:21:36Z)
• SoRoMoX: Fast, Differentiable, and Parallelizable Soft Robot Models [40.64972837908431]
  SoRoMoXは、統一された制御可能なインターフェースを通じて、明瞭な、Piecewise Constant Strain、および可変ストレインモデルを実装している。 連続したCPUロールアウトは最先端の代替よりも18.1倍速く、GPU並列ロールアウトはスループットを最大234.6倍向上させる。
  論文  参考訳（メタデータ） (2026-08-06T23:31:47Z)
• PAKE: Learning Whole-Body Loco-Manipulation with Partial Kinematic Embeddings [9.606500800831322]
  高精度なロコ操作のための新しい全身制御フレームワークを提案する。 大規模キネマティックデータセットに基づいてトレーニングした,新しいキネマティック正規化フローモデルを提案する。 6自由度ロボットアームを備えた四足歩行ロボットへのアプローチを検証する。
  論文  参考訳（メタデータ） (2026-07-13T03:12:09Z)
• LocalNav: Distilling Frontier VLMs and Embodied RL for On-Device Object Goal Navigation [53.88286427894783]
  視覚言語モデル(VLM)は、ロボット分野において、言語コンテキストによる環境認識を可能にする強力なツールとして登場した。 しかし、彼らの計算フットプリントは、通常、それらをクラウド実行に制限し、リソースに制約のあるロボットへのローカルなデプロイによる低レイテンシの推論を妨げる。 本稿では,大規模フロンティアモデルからの複雑な空間意味推論を,組み込みGPUデバイス上でエッジ実行を行うための軽量な4BパラメータローカルVLMに転送する蒸留戦略を提案する。
  論文  参考訳（メタデータ） (2026-06-26T09:11:59Z)
• EmbodiSteer: Steering Embodiment-Agnostic Visuomotor Policies with Joint-Space Guidance for Zero-Shot Cross-Embodiment Deployment [7.14164117393883]
  EmbodiSteerは、ゼロショットでエボディメント対応のデプロイメントに対して、エボディメントに依存しないビズモータポリシを操縦する、トレーニング不要のフレームワークである。 衝突速度を46.1%削減し、9つの模擬ロボットでタスク成功率を28.5%向上させる。
  論文  参考訳（メタデータ） (2026-06-11T06:49:39Z)
• ULTRA: Unified Multimodal Control for Autonomous Humanoid Whole-Body Loco-Manipulation [55.467742403416175]
  本稿では,大規模モーションキャプチャをヒューマノイドに変換する物理駆動型ニューラルネットワークを提案する。 我々は高密度参照とスパースタスク仕様の両方をサポートする統合マルチモーダルコントローラを学習する。 その結果,ULTRAは自我中心の知覚から,自律的,目標条件付き全体ロコ操作に一般化することが示された。
  論文  参考訳（メタデータ） (2026-03-03T18:59:29Z)
• RoboTracer: Mastering Spatial Trace with Reasoning in Vision-Language Models for Robotics [53.053660003572965]
  本稿では,3次元空間参照と計測の両方を初めて実現した3D対応VLMであるRoboTracerを提案する。 RoboTracerは、強化微調整により、多段階のメートル法推論を進める。 本稿では,空間的トレーシングを評価する上で困難なベンチマークであるTraceSpatial-Benchを提案する。
  論文  参考訳（メタデータ） (2025-12-15T18:52:43Z)
• HABIT: Human Action Benchmark for Interactive Traffic in CARLA [0.2905751301655124]
  高忠実度シミュレーションベンチマークであるHABIT(Human Action Benchmark for Interactive Traffic)を紹介する。 約3万回の再ターゲティングされた最初のプールから、交通対応の歩行者4,730回をキュレートする。 当科におけるAbbreviated Injury Scale (AIS) やFalse Positive Braking Rate (FPBR) などの安全基準は, 先行評価で見逃された最先端ADエージェントの致命的な障害モードを明らかにする。
  論文  参考訳（メタデータ） (2025-11-24T13:43:39Z)
• Discrete-Guided Diffusion for Scalable and Safe Multi-Robot Motion Planning [56.240199425429445]
  マルチロボット運動計画(MPMP)は、共有された連続作業空間で動作する複数のロボットのための軌道を生成する。 離散マルチエージェント探索(MAPF)法は,その拡張性から広く採用されているが,粗い離散化の軌道品質は高い。 本稿では、制約付き生成拡散モデルを用いた離散MAPF解法を導入することにより、2つのアプローチの限界に対処する。
  論文  参考訳（メタデータ） (2025-08-27T17:59:36Z)
• RoboRefer: Towards Spatial Referring with Reasoning in Vision-Language Models for Robotics [67.11221574129937]
  空間参照は、3D物理世界と相互作用するエンボディロボットの基本的な能力である。 本稿では,まず空間的理解を正確に行うことのできる3次元VLMであるRoboReferを提案する。 RoboReferは、強化微調整による一般化された多段階空間推論を推進している。
  論文  参考訳（メタデータ） (2025-06-04T17:59:27Z)
• 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)
• ARMOR: Egocentric Perception for Humanoid Robot Collision Avoidance and Motion Planning [10.207814069339735]
  ARMORはヒューマノイドロボットのための新しい自我中心の認識システムである。 我々の分散認識アプローチはロボットの空間認識を高める。 ARMORの認識は、複数の高密度ヘッドマウントと外部搭載深度カメラを備えた装置よりも優れていることを示す。
  論文  参考訳（メタデータ） (2024-11-30T08:39:23Z)
• Neuromorphic control for optic-flow-based landings of MAVs using the Loihi processor [3.3861246056563616]
  空飛ぶロボットにLoihiニューロモルフィックチップのプロトタイプを組み込んだ完全な応用を初めて提示する。 スパイキングニューラルネットワーク(SNN)は、腹側視床の分散に基づいてスラスト指令を計算し、自律着陸を行う。 分析の結果、スラストセットポイントのルート平均2乗誤差が0.005gまで低くなり、隠れ層のスパイクシーケンスの99.8%が一致し、出力層の99.7%が一致することがわかった。
  論文  参考訳（メタデータ） (2020-11-01T15:25:04Z)

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。