論文の概要: Manufacturing Micro-Patterned Surfaces with Multi-Robot Systems

• arxiv url: http://arxiv.org/abs/2603.18260v1
• Date: Wed, 18 Mar 2026 20:30:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-21 18:33:56.964055
• Title: Manufacturing Micro-Patterned Surfaces with Multi-Robot Systems
• Title（参考訳）: マルチロボットシステムによるマイクロパターン表面の創製
• Authors: Annalisa T. Taylor, Malachi Landis, Ping Guo, Todd D. Murphey,
• Abstract要約: 本研究では, マイクロパターン表面を製造するために, パターン作成ツールを備えた複数のロボットを用いている。 ロボットが生成するパターンは,金属表面の摩擦係数を低下させることができることを示す。
• 参考スコア（独自算出の注目度）: 7.353105542969845
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Applying micro-patterns to surfaces has been shown to impart useful physical properties such as drag reduction and hydrophobicity. However, current manufacturing techniques cannot produce micro-patterned surfaces at scale due to high-cost machinery and inefficient coverage techniques such as raster-scanning. In this work, we use multiple robots, each equipped with a patterning tool, to manufacture these surfaces. To allow these robots to coordinate during the patterning task, we use the ergodic control algorithm, which specifies coverage objectives using distributions. We demonstrate that robots can divide complicated coverage objectives by communicating compressed representations of their trajectory history both in simulations and experimental trials. Further, we show that robot-produced patterning can lower the coefficient of friction of metallic surfaces. This work demonstrates that distributed multi-robot systems can coordinate to manufacture products that were previously unrealizable at scale.
• Abstract（参考訳）: 表面へのマイクロパターンの適用は、ドラッグリダクションや疎水性などの有用な物理的特性を付与することが示されている。 しかし、現在の製造技術では、高価な機械やラスタスキャンのような非効率なカバー技術により、大規模にマイクロパターン表面を製造できない。 本研究では,複数のロボットにパターン作成ツールを装着し,その表面を製作する。 パターン作成作業中にこれらのロボットを協調させるために,分布を用いて対象物を特定するエルゴード制御アルゴリズムを用いる。 ロボットは、シミュレーションと実験の両方において、軌道履歴の圧縮表現を伝達することにより、複雑なカバレッジ目標を分割できることを実証する。 さらに, ロボットによるパターニングにより, 金属表面の摩擦係数を低下させることができることを示す。 この研究は、分散マルチロボットシステムが、以前には実現不可能だった製品を製造するために協調できることを実証している。

関連論文リスト

• Efficient Surgical Robotic Instrument Pose Reconstruction in Real World Conditions Using Unified Feature Detection [21.460727996614704]
  MISロボットは、長いキネマティックチェーンを持ち、カメラ内の自由度を部分的に可視化する。 本稿では,共有符号化による幾何学的プリミティブの検出を統一する新しいフレームワークを提案する。 このアーキテクチャは、1つの推論でキーポイントとエッジの両方を検出し、射影ラベル付き大規模合成データに基づいて訓練される。
  論文  参考訳（メタデータ） (2025-10-03T22:03:28Z)
• Control Architecture and Design for a Multi-robotic Visual Servoing System in Automated Manufacturing Environment [0.0]
  人間は、特に精密ロボットマニピュレータを必要とするマイクロスケール製造において、依然として機械よりも優れています。 本研究は, 高速化・非高速化のための位置決め過程をシミュレートするマルチロボット制御システムにより, 様々な不確実性を低減できることを示す。 本稿では,カメラの作業空間を探索し,画像ノイズレベルが最小となる最適な位置を探索するための,カメラの移動ポリシーのための新しいアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-06-13T01:09:44Z)
• 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)
• DiffGen: Robot Demonstration Generation via Differentiable Physics Simulation, Differentiable Rendering, and Vision-Language Model [72.66465487508556]
  DiffGenは、微分可能な物理シミュレーション、微分可能なレンダリング、ビジョン言語モデルを統合する新しいフレームワークである。 言語命令の埋め込みとシミュレートされた観察の埋め込みとの距離を最小化することにより、現実的なロボットデモを生成することができる。 実験によると、DiffGenを使えば、人間の努力やトレーニング時間を最小限に抑えて、ロボットデータを効率よく、効果的に生成できる。
  論文  参考訳（メタデータ） (2024-05-12T15:38:17Z)
• 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)
• Leveraging Hyperbolic Embeddings for Coarse-to-Fine Robot Design [40.01142267374432]
  マルチセルロボットの設計は、多様なタスクを実行するために効率的に制御できる多数のセルからなるロボットを作ることを目的としている。 これまでの研究では、さまざまなタスクのためのロボットを生成する能力が実証されてきたが、これらのアプローチは、広大なデザイン空間でロボットを直接最適化することが多い。 本稿では,多細胞ロボットを設計するための新しい粗粒化手法を提案する。
  論文  参考訳（メタデータ） (2023-11-01T11:56:32Z)
• Distributional Instance Segmentation: Modeling Uncertainty and High Confidence Predictions with Latent-MaskRCNN [77.0623472106488]
  本稿では,潜在符号を用いた分散インスタンス分割モデルのクラスについて検討する。 ロボットピッキングへの応用として,高い精度を実現するための信頼性マスク手法を提案する。 本手法は,新たにリリースした曖昧なシーンのデータセットを含め,ロボットシステムにおける致命的なエラーを著しく低減できることを示す。
  論文  参考訳（メタデータ） (2023-05-03T05:57:29Z)
• Bayesian Meta-Learning for Few-Shot Policy Adaptation Across Robotic Platforms [60.59764170868101]
  強化学習手法は、重要な性能を達成できるが、同じロボットプラットフォームで収集される大量のトレーニングデータを必要とする。 私たちはそれを、さまざまなロボットプラットフォームで共有される共通の構造を捉えるモデルを見つけることを目標とする、数ショットのメタラーニング問題として定式化します。 我々は,400個のロボットを用いて,実ロボットピッキング作業とシミュレーションリーチの枠組みを実験的に評価した。
  論文  参考訳（メタデータ） (2021-03-05T14:16:20Z)
• 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。