論文の概要: Ultrafast Sampling-based Kinodynamic Planning via Differential Flatness

• arxiv url: http://arxiv.org/abs/2603.16059v1
• Date: Tue, 17 Mar 2026 01:53:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-21 18:33:56.887356
• Title: Ultrafast Sampling-based Kinodynamic Planning via Differential Flatness
• Title（参考訳）: 微分平坦性による超高速サンプリングに基づく動力学的計画法
• Authors: Thai Duong, Clayton W. Ramsey, Zachary Kingston, Wil Thomason, Lydia E. Kavraki,
• Abstract要約: AkinoPDFは、多種多様なフラットなロボットシステムのための高速並列サンプリングに基づくキノダイナミックモーションプランニング技術である。 我々の手法は高速で正確で、どのサンプリングベースモーションプランナーとも互換性がある。
• 参考スコア（独自算出の注目度）: 15.37007491684187
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Motion planning under dynamics constraints, i.e., kinodynamic planning, enables safe robot operation by generating dynamically feasible trajectories that the robot can accurately track. For high-\dof robots such as manipulators, sampling-based motion planners are commonly used, especially for complex tasks in cluttered environments. However, enforcing constraints on robot dynamics in such planners requires solving either challenging two-point boundary value problems (BVPs) or propagating robot dynamics over time, both of which are computational bottlenecks that drastically increase planning times. Meanwhile, recent efforts have shown that sampling-based motion planners can generate plans in microseconds using parallelization, but are limited to geometric paths. This paper develops AkinoPDF, a fast parallelized sampling-based kinodynamic motion planning technique for a broad class of differentially flat robot systems, including manipulators, ground and aerial vehicles, and more. Differential flatness allows us to transform the motion planning problem from the original state space to a flat output space, where an analytical time-parameterized solution of the BVP and dynamics integration can be obtained. A trajectory in the flat output space is then converted back to a closed-form dynamically feasible trajectory in the original state space, enabling fast validation via ``single instruction, multiple data" parallelism. Our method is fast, exact, and compatible with any sampling-based motion planner. We extensively verify the effectiveness of our approach in both simulated benchmarks and real experiments with cluttered and dynamic environments, requiring mere microseconds to milliseconds of planning time.
• Abstract（参考訳）: 動力学的制約下での運動計画、すなわちキノダイナミック計画は、ロボットが正確に追跡できるダイナミックに実現可能な軌道を生成することにより、安全なロボット操作を可能にする。 マニピュレータのような高機能ロボットでは、サンプリングベースのモーションプランナーが一般的であり、特に散らかった環境における複雑なタスクに使用される。 しかし、そのようなプランナーにおけるロボット力学の制約を強制するには、2点境界値問題(BVP)に挑戦するか、時間とともにロボット力学を伝播させるかのどちらかが必要となる。 一方、最近の研究により、サンプリングベースの運動プランナーは並列化を用いてマイクロ秒で計画を生成することができるが、幾何学的経路に制限されていることが示されている。 本研究では, 高速並列サンプリングに基づくキノダイナミック動作計画手法であるAkinoPDFを開発した。 微分平坦性により、運動計画問題を元の状態空間から平坦な出力空間に変換することができ、BVPの解析的時間パラメータ化解と動的積分が得られる。 フラットな出力空間における軌道は、元の状態空間における閉形式の動的可能な軌道に変換され、 ``single instruction, multiple data" 並列性による高速な検証を可能にする。 我々の手法は高速で正確で、どのサンプリングベースモーションプランナーとも互換性がある。 シミュレーションベンチマークと, 乱雑で動的な環境における実実験の両方において, 提案手法の有効性を広範囲に検証し, 数ミリ秒から数ミリ秒の計画時間を必要とすることを示した。

関連論文リスト

• Simultaneous Multi-Robot Motion Planning with Projected Diffusion Models [57.45019514036948]
  MRMP拡散(MRMP Diffusion, SMD)は, 制約付き最適化を拡散サンプリングプロセスに統合し, 衝突のない, キネマティックに実現可能な軌道を生成する新しい手法である。 本稿では, ロボット密度, 障害物の複雑度, 動作制約の異なるシナリオ間の軌道計画アルゴリズムを評価するための総合的MRMPベンチマークを提案する。
  論文  参考訳（メタデータ） (2025-02-05T20:51:28Z)
• Monte Carlo Tree Search with Velocity Obstacles for safe and efficient motion planning in dynamic environments [49.30744329170107]
  本稿では,動的障害物に関する情報を最小限に抑えた最適オンライン動作計画手法を提案する。 提案手法は,モデルシミュレーションによるオンライン最適計画のためのモンテカルロ木探索 (MCTS) と障害物回避のためのVelocity Obstacles (VO) を組み合わせた。 我々は,非線形モデル予測制御(NMPC)を含む最先端のプランナーに対して,衝突速度,計算,タスク性能の向上の観点から,我々の方法論の優位性を示す。
  論文  参考訳（メタデータ） (2025-01-16T16:45:08Z)
• Differentiable Motion Manifold Primitives for Reactive Motion Generation under Kinodynamic Constraints [5.982922468400902]
  Differentiable Motion Manifold Primitives (DMMP)は、連続時間で微分可能な軌道を符号化し生成する新しいニューラルネットワークアーキテクチャである。 7-DoFロボットアームを用いた動的投球実験では、DMMPは計画速度、タスク成功、制約満足度において従来の手法よりも優れていた。
  論文  参考訳（メタデータ） (2024-10-16T03:29:33Z)
• A Meta-Engine Framework for Interleaved Task and Motion Planning using Topological Refinements [51.54559117314768]
  タスク・アンド・モーション・プランニング(タスク・アンド・モーション・プランニング、TAMP)は、自動化された計画問題の解決策を見つけるための問題である。 本稿では,TAMP問題のモデル化とベンチマークを行うための,汎用的でオープンソースのフレームワークを提案する。 移動エージェントと複数のタスク状態依存障害を含むTAMP問題を解決する革新的なメタ技術を導入する。
  論文  参考訳（メタデータ） (2024-08-11T14:57:57Z)
• Fast Kinodynamic Planning on the Constraint Manifold with Deep Neural Networks [29.239926645660823]
  本稿では,制約多様体の概念を利用した新しい学習計画フレームワークを提案する。 我々の手法は任意の制約を満たす計画を生成し、ニューラルネットワークの推論時間という短い一定時間でそれらを計算する。 我々は,2つのシミュレートされたタスクと,ロボット・エアホッケーにおける打撃動作を実行するために,クカ・LBRIiwa 14ロボットアームを用いた実世界のシナリオに対して,我々のアプローチを検証した。
  論文  参考訳（メタデータ） (2023-01-11T06:54:11Z)
• Learning-based Motion Planning in Dynamic Environments Using GNNs and Temporal Encoding [15.58317292680615]
  組込みとエッジ優先化ポリシの両方を学習するために,データアグリゲーションを用いた時間符号化と模倣学習を用いたGNNベースのアプローチを提案する。 実験により, 提案手法は, 最先端の完全な動的計画アルゴリズムよりも, オンラインプランニングを著しく高速化できることが示された。
  論文  参考訳（メタデータ） (2022-10-16T01:27:16Z)
• 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)
• Stability Constrained Mobile Manipulation Planning on Rough Terrain [7.766921168069532]
  本論文では,移動マニピュレータロボットのオンライン動的安定性制約付き最適軌道計画を可能にするフレームワークを提案する。 その結果, 動的安定性制約を満たしながら, 様々な地形におけるオンライン軌道計画が可能となった。
  論文  参考訳（メタデータ） (2021-05-10T14:21:59Z)

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。