論文の概要: A virtual-variable-length method for robust inverse kinematics of multi-segment continuum robots

• arxiv url: http://arxiv.org/abs/2604.02256v1
• Date: Thu, 02 Apr 2026 16:50:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-03 14:21:10.926941
• Title: A virtual-variable-length method for robust inverse kinematics of multi-segment continuum robots
• Title（参考訳）: 多段連続ロボットの頑健な逆運動学のための仮想変数長法
• Authors: Weiting Feng, Federico Renda, Yunjie Yang, Francesco Giorgio-Serchi,
• Abstract要約: 本稿では,多段連続体マニピュレータの逆運動学(IK)を解くための,新しい頑健な手法を提案する。 提案手法はベンチマークよりも20$%のコンバージェンス成功率向上を実現した。 実験により,境界近位配置は収束が失敗する頻繁な原因であることがわかった。
• 参考スコア（独自算出の注目度）: 6.440872593901786
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: This paper proposes a new, robust method to solve the inverse kinematics (IK) of multi-segment continuum manipulators. Conventional Jacobian-based solvers, especially when initialized from neutral/rest configurations, often exhibit slow convergence and, in certain conditions, may fail to converge (deadlock). The Virtual-Variable-Length (VVL) method proposed here introduces fictitious variations of segments' length during the solution iteration, conferring virtual axial degrees of freedom that alleviate adverse behaviors and constraints, thus enabling or accelerating convergence. Comprehensive numerical experiments were conducted to compare the VVL method against benchmark Jacobian-based and Damped Least Square IK solvers. Across more than $1.8\times 10^6$ randomized trials covering manipulators with two to seven segments, the proposed approach achieved up to a 20$\%$ increase in convergence success rate over the benchmark and a 40-80$\%$ reduction in average iteration count under equivalent accuracy thresholds ($10^{-4}-10^{-8}$). While deadlocks are not restricted to workspace boundaries and may occur at arbitrary poses, our empirical study identifies boundary-proximal configurations as a frequent cause of failed convergence and the VVL method mitigates such occurrences over a statistical sample of test cases.
• Abstract（参考訳）: 本稿では,多段連続体マニピュレータの逆運動学(IK)を解くための,新しい頑健な手法を提案する。 従来のヤコビアンに基づく解法は、特に中性/安定な構成から初期化されると、しばしば緩やかな収束を示し、ある条件下では収束に失敗する(デッドロック)。 仮想変数長法 (VVL) は, 解の繰り返しにおけるセグメントの長さの架空の変化を導入し, 悪行や制約を緩和し, 収束を促進させる仮想軸方向の自由度を導出する。 VVL法をベンチマークヤコビアン法とダンプリーストスクエアIK法と比較するための総合数値実験を行った。 提案手法は,2～7セグメントのマニピュレータを対象とする1.8ドル以上のランダム化試行において,ベンチマーク上での収束成功率の20$\%,等価精度のしきい値(10^{-4}-10^{-8}$)で平均反復回数の40～80$\%の削減を実現した。 デッドロックはワークスペースの境界に制限されず,任意のポーズで発生する可能性があるが,本実験では,境界-近位配置を収束の頻繁な原因として認識し,VVL法は検例の統計的サンプルでそのような現象を緩和する。

関連論文リスト

• Fast Rerandomization for Balancing Covariates in Randomized Experiments: A Metropolis-Hastings Framework [12.297315057225532]
  本稿では,精度と妥当性を維持しつつ,10～10,000倍の高速化を実現するアルゴリズムを提案する。 提案アルゴリズムであるPSRSRRは,精度と妥当性を維持しつつ,10～10,000倍の高速化を実現する。
  論文  参考訳（メタデータ） (2026-02-07T16:40:27Z)
• Almost Asymptotically Optimal Active Clustering Through Pairwise Observations [59.20614082241528]
  そこで本研究では, ノイズと能動的に収集された応答を用いて, M$アイテムを未知数の$K$個別グループにクラスタリングするための新しい分析フレームワークを提案する。 クラスタリングの精度に対する望ましい信頼性を達成するのに必要なクエリ数の基本的下位境界を確立する。 我々は、一般化された同値比統計の計算可能な変種を開発し、その下限に対する性能ギャップを正確に推定できることを実証的に示す。
  論文  参考訳（メタデータ） (2026-02-05T14:16:47Z)
• Lipschitz Multiscale Deep Equilibrium Models: A Theoretically Guaranteed and Accelerated Approach [10.914558012458423]
  ディープ均衡モデル(DEQ)は、ニューラルネットワークにおける層変換の固定点を探索することによって、層を積み重ねることなく無限に深いネットワーク表現を実現する。 DEQは、従来の方法よりも、トレーニングと推論にはるかに多くの計算時間を必要とするという課題に直面している。 本研究では,固定点収束を改良し,計算時間を短縮する手法について検討した。
  論文  参考訳（メタデータ） (2026-02-03T09:22:56Z)
• Closing the Approximation Gap of Partial AUC Optimization: A Tale of Two Formulations [121.39938773554523]
  ROC曲線の下の領域(AUC)は、クラス不均衡と決定制約の両方を持つ実世界のシナリオにおける重要な評価指標である。 PAUC最適化の近似ギャップを埋めるために,2つの簡単なインスタンス単位のミニマックス修正を提案する。 得られたアルゴリズムは、サンプルサイズと典型的な一方方向と双方向のPAUCに対して$O(-2/3)$の収束率の線形パーイテレーション計算複雑性を享受する。
  論文  参考訳（メタデータ） (2025-12-01T02:52:33Z)
• Randomized batch-sampling Kaczmarz methods for general linear systems [4.909043927828085]
  ランダム化されたバッチサンプリングを行うKaczmarzフレームワークを,循環ブロック法と同じくらい低コストで採用する。 我々は収束保証を確立するための一般的な解析手法を開発した。
  論文  参考訳（メタデータ） (2025-11-13T02:10:35Z)
• A Primal-Dual Approach to Solving Variational Inequalities with General Constraints [54.62996442406718]
  Yang et al. (2023) は最近、一般的な変分不等式を解決するために一階勾配法を使う方法を示した。 この方法の収束性を証明し、演算子が$L$-Lipschitz と monotone である場合、この手法の最後の繰り返しのギャップ関数が$O(frac1sqrtK)$で減少することを示す。
  論文  参考訳（メタデータ） (2022-10-27T17:59:09Z)
• Faster One-Sample Stochastic Conditional Gradient Method for Composite Convex Minimization [61.26619639722804]
  滑らかで非滑らかな項の和として形成される凸有限サム目標を最小化するための条件勾配法(CGM)を提案する。 提案手法は, 平均勾配 (SAG) 推定器を備え, 1回に1回のサンプルしか必要としないが, より高度な分散低減技術と同等の高速収束速度を保証できる。
  論文  参考訳（メタデータ） (2022-02-26T19:10:48Z)
• $\ell_1$-norm constrained multi-block sparse canonical correlation analysis via proximal gradient descent [0.0]
  マルチブロックCCA問題を解くための近似勾配降下アルゴリズムを提案する。 得られた推定値は、適切な仮定の下では、レート最適であることが示される。 また,複数の固有ベクトルを逐次推定するデフレ手順についても述べる。
  論文  参考訳（メタデータ） (2022-01-14T03:35:01Z)
• Accelerated and instance-optimal policy evaluation with linear function approximation [17.995515643150657]
  既存のアルゴリズムはこれらの下界の少なくとも1つと一致しない。 我々は,両下界を同時に一致させる高速時間差分アルゴリズムを開発し,インスタンス最適性という強い概念を実現する。
  論文  参考訳（メタデータ） (2021-12-24T17:21:04Z)
• Minibatch vs Local SGD with Shuffling: Tight Convergence Bounds and Beyond [63.59034509960994]
  シャッフルに基づく変種(ミニバッチと局所ランダムリシャッフル)について検討する。 ポリアック・ロジャシエヴィチ条件を満たす滑らかな函数に対して、これらのシャッフル型不変量(英語版)(shuffling-based variants)がそれらの置換式よりも早く収束することを示す収束境界を得る。 我々は, 同期シャッフル法と呼ばれるアルゴリズムの修正を提案し, ほぼ均一な条件下では, 下界よりも収束速度が速くなった。
  論文  参考訳（メタデータ） (2021-10-20T02:25:25Z)
• Conditional gradient methods for stochastically constrained convex minimization [54.53786593679331]
  構造凸最適化問題に対する条件勾配に基づく2つの新しい解法を提案する。 私たちのフレームワークの最も重要な特徴は、各イテレーションで制約のサブセットだけが処理されることです。 提案アルゴリズムは, 条件勾配のステップとともに, 分散の低減と平滑化に頼り, 厳密な収束保証を伴っている。
  論文  参考訳（メタデータ） (2020-07-07T21:26:35Z)

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。