論文の概要: Push, Press, Slide: Mode-Aware Planar Contact Manipulation via Reduced-Order Models

• arxiv url: http://arxiv.org/abs/2603.12399v2
• Date: Tue, 17 Mar 2026 19:02:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-21 18:33:56.73687
• Title: Push, Press, Slide: Mode-Aware Planar Contact Manipulation via Reduced-Order Models
• Title（参考訳）: プッシュ,プレス,スライド:低次モデルによるモード認識平面接触操作
• Authors: Melih Özcan, Umut Orguner, Ozgur S. Oguz,
• Abstract要約: ロボットアームを1つまたは2つ組み合わせた平面操作のためのモード認識フレームワークを提案する。 我々の中核的な洞察は、複雑なレンチ・ツイストの極限表面力学は、物理的に直感的なモデルの離散的なライブラリに抽象化できるということである。 多様なシングルアームおよびバイマニュアル操作タスクのシミュレーションにおいて、高速で最適化不要なアプローチを実証する。
• 参考スコア（独自算出の注目度）: 4.600772894287281
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Non-prehensile planar manipulation, including pushing and press-and-slide, is critical for diverse robotic tasks, but notoriously challenging due to hybrid contact mechanics, under-actuation, and asymmetric friction limits that traditionally necessitate computationally expensive iterative control. In this paper, we propose a mode-aware framework for planar manipulation with one or two robotic arms based on contact topology selection and reduced-order kinematic modeling. Our core insight is that complex wrench-twist limit surface mechanics can be abstracted into a discrete library of physically intuitive models. We systematically map various single-arm and bimanual contact topologies to simple non-holonomic formulations, e.g. unicycle for simplified press-and-slide motion. By anchoring trajectory generation to these reduced-order models, our framework computes the required object wrench and distributes feasible, friction-bounded contact forces via a direct algebraic allocator. We incorporate manipulator kinematics to ensure long-horizon feasibility and demonstrate our fast, optimization-free approach in simulation across diverse single-arm and bimanual manipulation tasks. Supplementary videos and additional information are available at: https://sites.google.com/view/pushpressslide
• Abstract（参考訳）: プッシュ・アンド・スライディングを含む非包括的平面操作は、多様なロボット作業において重要であるが、従来の計算に高価な反復制御を必要とするハイブリッド接触機構、アンダーアクティベーション、非対称摩擦制限により、明らかに困難である。 本稿では,接触トポロジ選択と低次キネマティックモデリングに基づく,1つか2つのロボットアームを用いた平面操作のためのモード認識フレームワークを提案する。 我々の中核的な洞察は、複雑なレンチ・ツイストの極限表面力学は、物理的に直感的なモデルの離散的なライブラリに抽象化できるということである。 単腕および両腕の接触トポロジーを簡易な非ホロノミックな定式化に体系的にマッピングする。 これらの低次モデルに軌道生成を固定することにより、我々のフレームワークは、必要なオブジェクトレンチを計算し、直接代数的アロケータを介して、摩擦束縛された接触力を分散する。 我々は,マニピュレータ・キネマティクスを組み込んで,多種多様なシングルアームおよびバイマニュアル操作タスクのシミュレーションにおいて,長期的実現性を確保するとともに,高速かつ最適化のないアプローチを実証する。 追加のビデオと追加情報は、https://sites.google.com/view/pushpressslide.comで公開されている。

関連論文リスト

• Imitating What Works: Simulation-Filtered Modular Policy Learning from Human Videos [56.510263910611684]
  本研究では,様々な動作を行う前に物体をつかむタスクを包括的操作に対処する。 人間のビデオは、移植後の動作を学ぶための強力な信号を提供するが、必要な把握行動を学ぶのにはあまり役に立たない。 本稿では、人間の動画モーションデータを用いたモジュラー操作ポリシーをトレーニングするためのフレームワークであるPerceive-Simulate-Imitate(PSI)を提案する。
  論文  参考訳（メタデータ） (2026-02-13T18:59:10Z)
• Learning Transferable Friction Models and LuGre Identification via Physics Informed Neural Networks [4.432363122731454]
  物理インフォームド摩擦モデルと学習可能なコンポーネントを統合するための摩擦推定フレームワークを提案する。 われわれのアプローチは物理的な一貫性を強制するが、現実の複雑さに適応する柔軟性は維持する。 我々のアプローチは、学習したモデルを訓練されていないシステムに転送できるようにする。
  論文  参考訳（メタデータ） (2025-04-16T19:15:48Z)
• Programmable Motion Generation for Open-Set Motion Control Tasks [51.73738359209987]
  我々は新しいパラダイム、プログラム可能なモーション生成を導入する。 このパラダイムでは、任意の運動制御タスクは原子制約の組み合わせに分解される。 これらの制約は、運動列がそれに付着する程度を定量化するエラー関数にプログラムされる。
  論文  参考訳（メタデータ） (2024-05-29T17:14:55Z)
• Nonprehensile Planar Manipulation through Reinforcement Learning with Multimodal Categorical Exploration [8.343657309038285]
  強化学習はそのようなロボットコントローラを開発するための強力なフレームワークである。 分類分布を用いたマルチモーダル探索手法を提案する。 学習したポリシは外部の障害や観測ノイズに対して堅牢であり、複数のプッシュ器でタスクにスケールできることが示される。
  論文  参考訳（メタデータ） (2023-08-04T16:55:00Z)
• Learning to Grasp the Ungraspable with Emergent Extrinsic Dexterity [22.01389127145982]
  単純なグリッパーは、外部環境を活用できれば、より複雑な操作タスクを解決できる。 これらの制約に対処するための強化学習に基づくシステムを開発する。 これは、様々な大きさ、密度、表面摩擦、形状を78%の成功率で一般化するシンプルなグリップで、動的で接触に富んだ動きを示す。
  論文  参考訳（メタデータ） (2022-11-02T22:09:24Z)
• 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)
• A Differentiable Recipe for Learning Visual Non-Prehensile Planar Manipulation [63.1610540170754]
  視覚的非包括的平面操作の問題に焦点をあてる。 本稿では,ビデオデコードニューラルモデルと接触力学の先行情報を組み合わせた新しいアーキテクチャを提案する。 モジュラーで完全に差別化可能なアーキテクチャは、目に見えないオブジェクトやモーションの学習専用手法よりも優れていることが分かりました。
  論文  参考訳（メタデータ） (2021-11-09T18:39:45Z)
• V-MAO: Generative Modeling for Multi-Arm Manipulation of Articulated Objects [51.79035249464852]
  本稿では,音声による物体のマルチアーム操作を学習するためのフレームワークを提案する。 本フレームワークは,各ロボットアームの剛部上の接触点分布を学習する変動生成モデルを含む。
  論文  参考訳（メタデータ） (2021-11-07T02:31:09Z)

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。