論文の概要: Intelligent Navigation and Obstacle-Aware Fabrication for Mobile Additive Manufacturing Systems
- arxiv url: http://arxiv.org/abs/2603.25688v1
- Date: Thu, 26 Mar 2026 17:38:09 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-27 20:52:48.405395
- Title: Intelligent Navigation and Obstacle-Aware Fabrication for Mobile Additive Manufacturing Systems
- Title（参考訳）: 移動型添加物製造システムのためのインテリジェントナビゲーションと障害物認識加工
- Authors: Yifei Li, Ruizhe Fu, Huihang Liu, Guha Manogharan, Feng Ju, Ilya Kovalenko,
- Abstract要約: 本研究は,ナビゲーションと材料堆積を併用したユニバーサルなモバイル印刷・配送プラットフォームを提案する。
ロボットのナビゲーションを計画し、制御し、安全な動き、障害物回避、経路安定性を確保するためのリアルタイム制御フレームワークが開発された。
このフレームワークは、軌道の変動や外乱への適応性をテストするシミュレーションや実世界の実験を通じて検証されている。
- 参考スコア（独自算出の注目度）: 5.106532248206593
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: As the demand for mass customization increases, manufacturing systems must become more flexible and adaptable to produce personalized products efficiently. Additive manufacturing (AM) enhances production adaptability by enabling on-demand fabrication of customized components directly from digital models, but its flexibility remains constrained by fixed equipment layouts. Integrating mobile robots addresses this limitation by allowing manufacturing resources to move and adapt to changing production requirements. Mobile AM Robots (MAMbots) combine AM with mobile robotics to produce and transport components within dynamic manufacturing environments. However, the dynamic manufacturing environments introduce challenges for MAMbots. Disturbances such as obstacles and uneven terrain can disrupt navigation stability, which in turn affects printing accuracy and surface quality. This work proposes a universal mobile printing-and-delivery platform that couples navigation and material deposition, addressing the limitations of earlier frameworks that treated these processes separately. A real-time control framework is developed to plan and control the robot's navigation, ensuring safe motion, obstacle avoidance, and path stability while maintaining print quality. The closed-loop integration of sensing, mobility, and manufacturing provides real-time feedback for motion and process control, enabling MAMbots to make autonomous decisions in dynamic environments. The framework is validated through simulations and real-world experiments that test its adaptability to trajectory variations and external disturbances. Coupled navigation and printing together enable MAMbots to plan safe, adaptive trajectories, improving flexibility and adaptability in manufacturing.
- Abstract（参考訳）: 大量カスタマイズの需要が高まるにつれて、製造システムはより柔軟で適応し、パーソナライズされた製品を効率的に生産する必要がある。
アダプティブ・マニュファクチャリング(AM)は、デジタルモデルから直接カスタマイズされたコンポーネントをオンデマンドで製造可能にすることで、生産適応性を向上させるが、その柔軟性は固定された機器レイアウトによって制限される。
移動ロボットの統合はこの制限に対処し、製造資源の移動と生産要求の変化に適応できるようにする。
Mobile AM Robots (MAMbots) は、AMとモバイルロボティクスを組み合わせて、動的製造環境で部品を製造、輸送する。
しかし, 動的製造環境は, MAMbotの課題を提起している。
障害物や不均一な地形などの外乱はナビゲーションの安定性を損なう可能性があるため、印刷精度と表面品質に影響を及ぼす。
本研究は,これらのプロセスを別々に扱う以前のフレームワークの限界に対処するため,ナビゲーションとマテリアルデポジションを結合したユニバーサルなモバイルプリンティング・アンド・デリバリプラットフォームを提案する。
ロボットのナビゲーションを計画・制御し、印刷品質を維持しながら安全な動き、障害物回避、経路安定性を確保するリアルタイム制御フレームワークを開発した。
センサ、モビリティ、製造のクローズドループ統合は、動作とプロセス制御に対するリアルタイムフィードバックを提供し、MAMbotが動的環境における自律的な決定を可能にする。
このフレームワークは、軌道の変動や外乱への適応性をテストするシミュレーションや実世界の実験を通じて検証されている。
組み合わせたナビゲーションと印刷により、MAMbotは安全で適応的な軌道を計画でき、製造の柔軟性と適応性を向上させることができる。
関連論文リスト
- Physical Human-Robot Interaction for Grasping in Augmented Reality via Rigid-Soft Robot Synergy [43.680646123465316]
ハイブリッド剛性ソフトロボットは、剛性マニピュレータの精度とソフトアームの適合性と適応性を組み合わせる。
本稿では,ハイブリッドソフトロボットの遠隔操作を可能にする,拡張現実(AR)ベースの物理ロボットインタラクションフレームワークを提案する。
論文 参考訳（メタデータ） (2026-02-19T06:56:47Z) - SORS: A Modular, High-Fidelity Simulator for Soft Robots [5.660024841218955]
ソフトロボットは、大きな非線形変形、材料非圧縮性、接触相互作用のために、ユニークなモデリング課題を提起する。
ソフトロボット応用のための多用途高忠実度シミュレータSORSを提案する。
論文 参考訳（メタデータ） (2025-12-17T21:58:46Z) - CHIP: Adaptive Compliance for Humanoid Control through Hindsight Perturbation [70.5382178207975]
hIsight Perturbation (CHIP)は、制御可能なエンドエフェクタ剛性を実現するプラグイン・アンド・プレイモジュールである。
CHIPの実装は簡単で、データ拡張も追加の報酬チューニングも必要ありません。
そこで本研究では,CHIPでトレーニングした汎用モーショントラッキングコントローラが,多種多様な操作タスクを実行できることを示す。
論文 参考訳（メタデータ） (2025-12-16T18:56:04Z) - Surrogate compliance modeling enables reinforcement learned locomotion gaits for soft robots [5.193389420813379]
適応型形態形成ロボットは、変化するタスクや環境条件を満たすために形態と制御ポリシーに適応する。
このようなシステムの多くは、形状変形を可能にするソフトコンポーネントを利用するが、シミュレーションや制御の課題も導入している。
本稿では,ソフトボディ物理を明示的にモデル化する代わりに,剛体シミュレータ内でのソフトマテリアル変形を表す間接変数を導入する。
論文 参考訳（メタデータ） (2025-12-08T02:52:42Z) - Situationally-Aware Dynamics Learning [57.698553219660376]
隠れ状態表現のオンライン学習のための新しいフレームワークを提案する。
提案手法は、非観測パラメータが遷移力学と報酬構造の両方に与える影響を明示的にモデル化する。
シミュレーションと実世界の両方の実験は、データ効率、ポリシー性能、安全で適応的なナビゲーション戦略の出現を著しく改善した。
論文 参考訳（メタデータ） (2025-05-26T06:40:11Z) - VertiFormer: A Data-Efficient Multi-Task Transformer for Off-Road Robot Mobility [49.512339092493384]
VertiFormerは、たった1時間のデータでトレーニングされた、新しいデータ効率のマルチタスクトランスフォーマーモデルである。
我々の実験は、限られたデータでオフロードロボットの移動にトランスフォーマーを効果的に活用するための洞察を提供する。
論文 参考訳（メタデータ） (2025-02-01T20:21:00Z) - Learning Robust Autonomous Navigation and Locomotion for Wheeled-Legged Robots [50.02055068660255]
都市環境のナビゲーションは、ロボットにとってユニークな課題であり、移動とナビゲーションのための革新的なソリューションを必要としている。
本研究は, 適応移動制御, 移動対応ローカルナビゲーション計画, 市内の大規模経路計画を含む, 完全に統合されたシステムを導入する。
モデルフリー強化学習(RL)技術と特権学習を用いて,多目的移動制御系を開発した。
私たちのコントローラーは大規模な都市航法システムに統合され、スイスのチューリッヒとスペインのセビリアで自律的、キロメートル規模の航法ミッションによって検証されます。
論文 参考訳（メタデータ） (2024-05-03T00:29:20Z) - Guided Decoding for Robot On-line Motion Generation and Adaption [44.959409835754634]
本稿では,ロボットアームに高い自由度を持つ新たな動作生成手法を提案する。
本研究では,実演として使用する擬似軌道の大規模データセットに基づいて,条件付き変分オートエンコーダに基づくトランスフォーマーアーキテクチャを訓練する。
本モデルでは, 異なる初期点と目標点からの運動をうまく生成し, 異なるロボットプラットフォームを横断する複雑なタスクをナビゲートする軌道を生成可能であることを示す。
論文 参考訳（メタデータ） (2024-03-22T14:32:27Z) - OSCAR: Data-Driven Operational Space Control for Adaptive and Robust
Robot Manipulation [50.59541802645156]
オペレーショナル・スペース・コントロール(OSC)は、操作のための効果的なタスクスペース・コントローラとして使われてきた。
本稿では,データ駆動型OSCのモデル誤差を補償するOSC for Adaptation and Robustness (OSCAR)を提案する。
本手法は,様々なシミュレーション操作問題に対して評価し,制御器のベースラインの配列よりも大幅に改善されていることを示す。
論文 参考訳（メタデータ） (2021-10-02T01:21:38Z) - Simultaneous Navigation and Construction Benchmarking Environments [73.0706832393065]
モバイル構築のためのインテリジェントなロボット、環境をナビゲートし、幾何学的設計に従ってその構造を変更するプロセスが必要です。
このタスクでは、ロボットのビジョンと学習の大きな課題は、GPSなしでデザインを正確に達成する方法です。
我々は,手工芸政策の性能を,基礎的なローカライゼーションと計画,最先端の深層強化学習手法を用いて評価した。
論文 参考訳（メタデータ） (2021-03-31T00:05:54Z) - Meta-Reinforcement Learning for Adaptive Motor Control in Changing Robot
Dynamics and Environments [3.5309638744466167]
この研究は、ロバストな移動のための異なる条件に制御ポリシーを適応させるメタラーニングアプローチを開発した。
提案手法は, インタラクションモデルを更新し, 推定された状態-作用軌道のアクションをサンプル化し, 最適なアクションを適用し, 報酬を最大化する。
論文 参考訳（メタデータ） (2021-01-19T12:57:12Z)
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。