論文の概要: State and Trajectory Estimation of Tensegrity Robots via Factor Graphs and Chebyshev Polynomials

• arxiv url: http://arxiv.org/abs/2604.08185v1
• Date: Thu, 09 Apr 2026 12:38:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-10 18:34:05.920609
• Title: State and Trajectory Estimation of Tensegrity Robots via Factor Graphs and Chebyshev Polynomials
• Title（参考訳）: 因子グラフとチェビシェフ多項式による引張ロボットの状態と軌道の推定
• Authors: Edgar Granados, Patrick Meng, Charles Tang, Shrimed Sangani, William R. Johnson, Rebecca Kramer-Bottiglio, Kostas Bekris,
• Abstract要約: テンセグリティロボットはコンプライアンスと適応性を提供するが、非線形で制約の少ないダイナミクスは、状態推定を困難にしている。 本稿では,ケーブル駆動型引張ロボットのロバストな状態や軌道推定のための2段階のアプローチを提案する。 オンライン状態推定には、RGB-Dカメラとオンボードケーブル長センサを融合するファクタグラフベースの手法を導入する。
• 参考スコア（独自算出の注目度）: 1.1873304786619876
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Tensegrity robots offer compliance and adaptability, but their nonlinear, and underconstrained dynamics make state estimation challenging. Reliable continuous-time estimation of all rigid links is crucial for closed-loop control, system identification, and machine learning; however, conventional methods often fall short. This paper proposes a two-stage approach for robust state or trajectory estimation (i.e., filtering or smoothing) of a cable-driven tensegrity robot. For online state estimation, this work introduces a factor-graph-based method, which fuses measurements from an RGB-D camera with on-board cable length sensors. To the best of the authors' knowledge, this is the first application of factor graphs in this domain. Factor graphs are a natural choice, as they exploit the robot's structural properties and provide effective sensor fusion solutions capable of handling nonlinearities in practice. Both the Mahalanobis distance-based clustering algorithm, used to handle noise, and the Chebyshev polynomial method, used to estimate the most probable velocities and intermediate states, are shown to perform well on simulated and real-world data, compared to an ICP-based algorithm. Results show that the approach provides high fidelity, continuous-time state and trajectory estimates for complex tensegrity robot motions.
• Abstract（参考訳）: テンセグリティロボットはコンプライアンスと適応性を提供するが、非線形で制約の少ないダイナミクスは、状態推定を困難にしている。 全ての厳密なリンクの信頼性の高い連続時間推定は、閉ループ制御、システム識別、機械学習において重要であるが、従来の手法は不足することが多い。 本稿では,ケーブル駆動型引張ロボットのロバストな状態や軌道推定(フィルタや平滑化)のための2段階のアプローチを提案する。 オンライン状態推定には、RGB-Dカメラとオンボードケーブル長センサを融合するファクタグラフベースの手法を導入する。 著者の知る限りでは、これはこの領域における因子グラフの初めての応用である。 因子グラフは、ロボットの構造的特性を活用し、実際に非線形性を扱うことができる効果的なセンサー融合ソリューションを提供するため、自然な選択である。 マハラノビス距離に基づくクラスタリングアルゴリズムと、最も確率の高い速度と中間状態を推定するために用いられるチェビシェフ多項式法の両方が、ICPベースのアルゴリズムと比較してシミュレーションおよび実世界のデータで良好に動作することを示す。 その結果, 複雑な緊張ロボットの動きに対して, 高忠実度, 連続時間, 軌道推定値が得られた。

関連論文リスト

• RC-NF: Robot-Conditioned Normalizing Flow for Real-Time Anomaly Detection in Robotic Manipulation [68.7948300643741]
  ロボットの異常検出と介入をリアルタイムに監視するロボット・コンディションド・ノーマライゼーション・フロー(RC-NF)を提案する。 RC-NFは、正規化フロー内のタスク認識ロボットとオブジェクト状態の処理を分離する。 従来のロボットタスクの監視方法と比較して、あらゆる異常なタイプで最先端のパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2026-03-11T10:14:37Z)
• Incremental Mapping with Measurement Synchronization & Compression [0.0]
  この研究は、連結因子グラフを漸進的に構築する新しいアプローチを導入する。 外部評価基準に基づいて最適なグラフトポロジを選択することにより、利用可能なすべてのセンサデータの取り込みを保証する。 提案手法はグラフ圧縮を容易にし,ノード数(最適化変数)を平均30%削減する。
  論文  参考訳（メタデータ） (2026-02-08T10:43:11Z)
• Continuum Robot State Estimation with Actuation Uncertainty [10.610593520475357]
  本研究では,連続ロボットの原理的リアルタイム推定手法を提案する。 本手法は比較的少ない状態ノードで高い数値精度を実現する。 全体として,本手法は複数の連続ロボットアーキテクチャをまたいだ原理的,リアルタイムな推定を可能にする。
  論文  参考訳（メタデータ） (2026-01-08T01:53:42Z)
• Data-Driven Dynamic Parameter Learning of manipulator robots [0.8679862302950613]
  動的パラメータ推定のためのトランスフォーマーに基づく手法を提案する。 データセットは、8,192個のロボットで構成され、慣性および摩擦特性は様々である。 我々のモデルは時間的および空間的依存の両方を効果的に捉えている。
  論文  参考訳（メタデータ） (2025-12-09T16:15:58Z)
• Scaling Up Occupancy-centric Driving Scene Generation: Dataset and Method [54.461213497603154]
  作業中心の手法は、最近、フレームとモダリティをまたいだ一貫した条件付けを提供することで、最先端の結果を得た。 Nuplan-Occは、広く使われているNuplanベンチマークから構築された、これまでで最大の占有率データセットである。 高品質な占有、多視点ビデオ、LiDAR点雲を共同で合成する統合フレームワークを開発した。
  論文  参考訳（メタデータ） (2025-10-27T03:52:45Z)
• Spatial-Temporal Graph Diffusion Policy with Kinematic Modeling for Bimanual Robotic Manipulation [88.83749146867665]
  既存のアプローチは、遠く離れた次のベストなエンドエフェクタのポーズを予測するポリシーを学びます。 すると、運動に対する対応する関節回転角を逆運動学を用いて計算する。 本稿では,Kinematics 拡張空間テンポアル gRaph diffuser を提案する。
  論文  参考訳（メタデータ） (2025-03-13T17:48:35Z)
• Event-Aided Time-to-Collision Estimation for Autonomous Driving [28.13397992839372]
  ニューロモルフィックなイベントベースカメラを用いて衝突時刻を推定する新しい手法を提案する。 提案アルゴリズムは, 事象データに適合する幾何モデルに対して, 効率的かつ高精度な2段階のアプローチで構成する。 合成データと実データの両方の実験により,提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2024-07-10T02:37:36Z)
• Particle-Based Score Estimation for State Space Model Learning in Autonomous Driving [62.053071723903834]
  マルチオブジェクト状態推定はロボットアプリケーションの基本的な問題である。 粒子法を用いて最大形パラメータを学習することを検討する。 自動運転車から収集した実データに本手法を適用した。
  論文  参考訳（メタデータ） (2022-12-14T01:21:05Z)
• SABER: Data-Driven Motion Planner for Autonomously Navigating Heterogeneous Robots [112.2491765424719]
  我々は、データ駆動型アプローチを用いて、異種ロボットチームをグローバルな目標に向けてナビゲートする、エンドツーエンドのオンラインモーションプランニングフレームワークを提案する。 モデル予測制御(SMPC)を用いて,ロボット力学を満たす制御入力を計算し,障害物回避時の不確実性を考慮した。 リカレントニューラルネットワークは、SMPC有限時間地平線解における将来の状態の不確かさを素早く推定するために用いられる。 ディープQ学習エージェントがハイレベルパスプランナーとして機能し、SMPCにロボットを望ましいグローバルな目標に向けて移動させる目標位置を提供する。
  論文  参考訳（メタデータ） (2021-08-03T02:56:21Z)
• Risk-Averse MPC via Visual-Inertial Input and Recurrent Networks for Online Collision Avoidance [95.86944752753564]
  本稿では,モデル予測制御(MPC)の定式化を拡張したオンライン経路計画アーキテクチャを提案する。 我々のアルゴリズムは、状態推定の共分散を推論するリカレントニューラルネットワーク(RNN)とオブジェクト検出パイプラインを組み合わせる。 本手法のロバスト性は, 複雑な四足歩行ロボットの力学で検証され, ほとんどのロボットプラットフォームに適用可能である。
  論文  参考訳（メタデータ） (2020-07-28T07:34:30Z)

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。