論文の概要: Spectral Decomposition of Inverse Dynamics for Fast Exploration in Model-Based Manipulation
- arxiv url: http://arxiv.org/abs/2603.27796v1
- Date: Sun, 29 Mar 2026 18:22:36 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-31 23:18:45.119882
- Title: Spectral Decomposition of Inverse Dynamics for Fast Exploration in Model-Based Manipulation
- Title（参考訳）: モデルベースマニピュレーションにおける高速探索のための逆ダイナミクスのスペクトル分解
- Authors: Solvin Sigurdson, Benjamin Riviere, Joel Burdick,
- Abstract要約: 実現可能な軌道探索の複雑さのため、長期にわたるロボット操作シーケンスの計画は困難である。
逆動力学方程式のスペクトル分解を用いて軌道を生成する探索木法を提案する。
提案手法は, 短時間水平タスクのモデルベース計画における最近の研究と類似し, 長期水平タスクの解き方と相違する。
- 参考スコア（独自算出の注目度）: 0.08602553195689511
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Planning long duration robotic manipulation sequences is challenging because of the complexity of exploring feasible trajectories through nonlinear contact dynamics and many contact modes. Moreover, this complexity grows with the problem's horizon length. We propose a search tree method that generates trajectories using the spectral decomposition of the inverse dynamics equation. This equation maps actuator displacement to object displacement, and its spectrum is efficient for exploration because its components are orthogonal and they approximate the reachable set of the object while remaining dynamically feasible. These trajectories can be combined with any search based method, such as Rapidly-Exploring Random Trees (RRT), for long-horizon planning. Our method performs similarly to recent work in model-based planning for short-horizon tasks, and differentiates itself with its ability to solve long-horizon tasks: whereas existing methods fail, ours can generate 45 second duration, 10+ contact mode plans using 15 seconds of computation, demonstrating real-time capability in highly complex domains.
- Abstract（参考訳）: 長期間のロボット操作シーケンスの計画は、非線形接触力学と多くの接触モードによって実現可能な軌道の探索が複雑になるため、難しい。
さらに、この複雑さは問題の地平線の長さとともに増大する。
逆動力学方程式のスペクトル分解を用いて軌道を生成する探索木法を提案する。
この方程式はアクチュエータの変位を物体の変位にマッピングし、そのスペクトルは直交し、物体の到達可能な集合を動的に保ちながら近似するため、探索に効率的である。
これらのトラジェクトリは、RRT(Rapidly-Exploring Random Trees)のような検索ベースの手法と組み合わせて、長期計画を行うことができる。
従来の手法では45秒間, 15秒の計算で10以上の接触モードプランを作成でき, 複雑な領域でリアルタイムの処理能力を示すことができた。
関連論文リスト
- Ultrafast Sampling-based Kinodynamic Planning via Differential Flatness [15.37007491684187]
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。
論文 参考訳（メタデータ） (2026-03-17T01:53:10Z) - LongFly: Long-Horizon UAV Vision-and-Language Navigation with Spatiotemporal Context Integration [49.676794850174325]
LongFlyは、長距離UAV VLNのための履歴認識時間モデリングフレームワークである。
断片化され、冗長な履歴データを構造化され、コンパクトで表現力のある表現に変換する。
最先端のUAV VLNベースラインを7.89%、成功率6.33%で上回っている。
論文 参考訳（メタデータ） (2025-12-26T12:09:40Z) - Lightning Grasp: High Performance Procedural Grasp Synthesis with Contact Fields [55.014365168982884]
本稿では,新しい高性能な手続き型グリップ合成アルゴリズムLightning Graspを提案する。
最先端のアプローチを超越したオーダー・オブ・マグニチュード・スピードアップを実現する。
ロボット操作のさらなるイノベーションを促進するために,当社のシステムをオープンソースとして公開しています。
論文 参考訳（メタデータ） (2025-11-10T18:59:44Z) - PatchTraj: Unified Time-Frequency Representation Learning via Dynamic Patches for Trajectory Prediction [14.48846131633279]
軌道予測のための時間周波数ジョイントモデリングを統合した動的パッチベースのフレームワークを提案する。
具体的には、軌道を生の時間列と周波数成分に分解し、動的パッチ分割を用いてマルチスケールセグメンテーションを行う。
その結果、拡張された埋め込みは強力な表現力を示し、バニラアーキテクチャを使用した場合でも正確な予測を可能にする。
論文 参考訳（メタデータ） (2025-07-25T09:55:33Z) - Extendable Long-Horizon Planning via Hierarchical Multiscale Diffusion [62.91968752955649]
本稿では,学習データよりも長い軌道計画を行うための,拡張可能な長期計画支援エージェントの課題に対処する。
より短いものを縫い合わせることで、より長い軌跡を反復的に生成する拡張法を提案する。
HM-ディフューザーは階層構造を用いてこれらの拡張軌道を訓練し、複数の時間スケールにわたるタスクを効率的に処理する。
論文 参考訳（メタデータ） (2025-03-25T22:52:46Z) - Learning segmentation from point trajectories [79.02153797465326]
本稿では,光フローを補完する監視信号として,長期的点軌跡を用いたセグメンテーションネットワークを訓練する方法を提案する。
本手法は,モーションベースセグメンテーションにおける先行技術より優れる。
論文 参考訳（メタデータ） (2025-01-21T18:59:53Z) - SCoTT: Strategic Chain-of-Thought Tasking for Wireless-Aware Robot Navigation in Digital Twins [78.53885607559958]
無線対応経路計画フレームワークであるSCoTTを提案する。
SCoTT は DP-WA* の2% 以内で経路ゲインを達成し, 連続的に短い軌道を生成できることを示す。
また,ガゼボシミュレーションにおいて,SCoTTをROSノードとして配置することにより,本手法の実用性を示す。
論文 参考訳（メタデータ） (2024-11-27T10:45:49Z) - Autonomous UAV Exploration of Dynamic Environments via Incremental
Sampling and Probabilistic Roadmap [0.3867363075280543]
インクリメンタルサンプリングと確率的ロードマップ(PRM)を用いた未知環境探索のための新しい動的探索プランナ(DEP)を提案する。
本手法は, 動的環境を安全に探索し, 探索時間, 経路長, 計算時間でベンチマークプランナーより優れている。
論文 参考訳（メタデータ） (2020-10-14T22:52:37Z) - Broadly-Exploring, Local-Policy Trees for Long-Horizon Task Planning [12.024736761925864]
現実的な環境での長期計画には、高次元状態空間における逐次的なタスクを推論する能力が必要である。
本稿では,タスク条件付きモデルベースツリー探索であるBroadly-Exploring-Local-policy Trees (BELT)を提案する。
BELTは、目標条件付きポリシーを順に計画し、堅牢な計画を生成することができるように実験的に実証されている。
論文 参考訳（メタデータ） (2020-10-13T15:51:24Z)
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。