論文の概要: Characterization of Constraints in Flexible Unknown Environments
- arxiv url: http://arxiv.org/abs/2603.24813v1
- Date: Wed, 25 Mar 2026 20:48:25 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-27 20:52:47.989421
- Title: Characterization of Constraints in Flexible Unknown Environments
- Title（参考訳）: フレキシブル未知環境における制約のキャラクタリゼーション
- Authors: Samrat Bhattacharyya, Nabil Simaan,
- Abstract要約: 本稿では,柔軟に制約された物体を未知の環境下で安全に自動操作するためのオンライン経路計画アルゴリズムを提案する。
タンデムで使用されるこれらの方法は、ロボットが弾性システムを安全に探索し、特徴付けし、操作することを可能にする。
- 参考スコア（独自算出の注目度）: 5.4200377321709565
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper presents an online path planning algorithm for safe autonomous manipulation of a flexibly constrained object in an unknown environment. Methods for real time identification and characterization of perceived flexible constraints and global stiffness are presented. Used in tandem, these methods allow a robot to simultaneously explore, characterize, and manipulate an elastic system safely. Navigation without a-priori knowledge of the system is achieved using constraint exploration based on local force and position information. The perceived constraint stiffness is considered at multiple poses along an object's (system) trajectory. Using stiffness eigenvector information, global stiffness behavior is characterized and identified using an atlas of simple mechanical constraints, such as hinges and planar constraints. Validation of these algorithms is carried out by simulation and experimentally. The ability to recognize several common simple mechanical constraints (such as a flexible hinge) in real time, and to subsequently identify relevant screw parameters is demonstrated. These results suggest the feasibility of simultaneous global constrain/stiffness exploration and safe manipulation of flexibly constrained objects. We believe that this approach will eventually enable safe cooperative manipulation in applications such as organ retraction and manipulation during surgery
- Abstract（参考訳）: 本稿では,柔軟に制約された物体を未知の環境下で安全に自動操作するためのオンライン経路計画アルゴリズムを提案する。
フレキシブル制約と大域剛性をリアルタイムに同定し, 評価する手法について述べる。
タンデムで使用されるこれらの方法は、ロボットが弾性システムを安全に探索し、特徴付けし、操作することを可能にする。
局所的な力と位置情報に基づく制約探索を用いて,システムに関する知識のないナビゲーションを実現する。
知覚された制約剛性は、対象の(システム)軌道に沿った複数のポーズにおいて考慮される。
剛性固有ベクトル情報を用いて、ヒンジや平面制約といった単純な機械的制約のアトラスを用いて、大域剛性挙動を特徴づけ、同定する。
これらのアルゴリズムの検証はシミュレーションと実験的に行われる。
いくつかの一般的な機械的制約(フレキシブルヒンジなど)をリアルタイムで認識し、その後に関連するスクリューパラメータを識別する能力を示す。
これらの結果から, 同時的大域的制約・剛性探索と柔軟に制約された物体の安全な操作の可能性が示唆された。
臓器切除や手術時の手術などの応用における安全な協調操作を可能にすると我々は信じている。
関連論文リスト
- Latent Space Reinforcement Learning for Multi-Robot Exploration [0.0]
未知環境の自動マッピングシステムを開発した。
必須空間情報を保存しつつ,高忠実度占有率マップを潜在状態ベクトルに圧縮する。
共有データへの依存を変調する重み付きコンセンサス機構を導入する。
論文 参考訳（メタデータ） (2026-01-03T10:06:40Z) - Verification of Visual Controllers via Compositional Geometric Transformations [49.81690518952909]
到達可能な集合の外部近似を生成できる知覚ベースのコントローラのための新しい検証フレームワークを提案する。
提案手法の音質を理論的に保証し,ベンチマーク制御環境における有効性を示す。
論文 参考訳（メタデータ） (2025-07-06T20:22:58Z) - An Adaptive Grasping Force Tracking Strategy for Nonlinear and Time-Varying Object Behaviors [7.059232979003729]
本稿では、一般化剛性の概念を導入し、剛性の定義を非線形時間変動グリップシステムモデルに拡張する。
提案手法は,非理想的対象への適応性を向上しつつ,高精度かつ短い探索時間を実現する。
論文 参考訳（メタデータ） (2024-12-03T09:55:00Z) - Resilient Constrained Learning [94.27081585149836]
本稿では,学習課題を同時に解決しながら,要求に適応する制約付き学習手法を提案する。
我々はこの手法を、その操作を変更することで破壊に適応する生態システムを記述する用語に因んで、レジリエントな制約付き学習と呼ぶ。
論文 参考訳（メタデータ） (2023-06-04T18:14:18Z) - Recursively Feasible Probabilistic Safe Online Learning with Control Barrier Functions [60.26921219698514]
CBFをベースとした安全クリティカルコントローラのモデル不確実性を考慮した再構成を提案する。
次に、結果の安全制御器のポイントワイズ実現可能性条件を示す。
これらの条件を利用して、イベントトリガーによるオンラインデータ収集戦略を考案する。
論文 参考訳（メタデータ） (2022-08-23T05:02:09Z) - Automatic Exploration Process Adjustment for Safe Reinforcement Learning
with Joint Chance Constraint Satisfaction [2.127049691404299]
安全強化学習アルゴリズムのための探索過程の自動調整手法を提案する。
提案手法では,探索入力が,その状態とその予測値に応じて毎回使用されるか否かを自動的に選択する。
提案手法は, 予め特定された確率, すなわち, 毎回共同確率制約の満足度と制約の満足度を理論的に保証する。
論文 参考訳（メタデータ） (2021-03-05T13:30:53Z) - Gaining a Sense of Touch. Physical Parameters Estimation using a Soft
Gripper and Neural Networks [3.0892724364965005]
ロボットグリップを用いた物体との直接相互作用の測定における深層学習アルゴリズムを用いた物理パラメータ推定に関する十分な研究はない。
本研究では、剛性係数の回帰をトレーニング可能なシステムを提案し、物理シミュレータ環境を用いて広範な実験を行った。
本システムでは,Yale OpenHandソフトグリップを用いて,指に装着した慣性測定ユニット(IMU)の読み値に基づいて,物体の硬さを確実に推定することができる。
論文 参考訳（メタデータ） (2020-03-02T11:56:14Z)
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。