論文の概要: LEGO: Latent-space Exploration for Geometry-aware Optimization of Humanoid Kinematic Design
- arxiv url: http://arxiv.org/abs/2604.08636v1
- Date: Thu, 09 Apr 2026 17:06:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-13 17:57:53.509925
- Title: LEGO: Latent-space Exploration for Geometry-aware Optimization of Humanoid Kinematic Design
- Title（参考訳）: LEGO:ヒューマノイドキネマティックデザインの幾何学的最適化のための潜在空間探索
- Authors: Jihwan Yoon, Taemoon Jeong, Jeongeun Park, Chanwoo Kim, Jaewoon Kwon, Yonghyeon Lee, Kyungjae Lee, Sungjoon Choi,
- Abstract要約: モーションデザインの協調最適化は自動化に向けた有望な道のりを提供するが、 (i) 巨大で非構造的な設計空間と (ii) タスク固有の損失関数を構築することの難しさの2つの大きな課題が残っている。
本研究では, 既存の機械設計からデザイン検索空間を学習し, 人間の動作データから直接損失を定義することにより, 人間の関与を最小限に抑える新しいパラダイムを提案する。
提案手法は,データ駆動型ロボット設計の原則的枠組みを確立し,既存の設計と人間の動作を活用することで,新しいロボット設計の自動発見を効果的に導くことを実証する。
- 参考スコア（独自算出の注目度）: 15.675250550243925
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Designing robot morphologies and kinematics has traditionally relied on human intuition, with little systematic foundation. Motion-design co-optimization offers a promising path toward automation, but two major challenges remain: (i) the vast, unstructured design space and (ii) the difficulty of constructing task-specific loss functions. We propose a new paradigm that minimizes human involvement by (i) learning the design search space from existing mechanical designs, rather than hand-crafting it, and (ii) defining the loss directly from human motion data via motion retargeting and Procrustes analysis. Using screw-theory-based joint axis representation and isometric manifold learning, we construct a compact, geometry-preserving latent space of humanoid upper body designs in which optimization is tractable. We then solve design optimization in this latent space using gradient-free optimization. Our approach establishes a principled framework for data-driven robot design and demonstrates that leveraging existing designs and human motion can effectively guide the automated discovery of novel robot design.
- Abstract（参考訳）: ロボットの形態や運動学の設計は伝統的に人間の直感に依存しており、体系的な基礎はほとんどない。
モーションデザインの共同最適化は自動化への有望な道を提供するが、大きな課題は2つ残っている。
i) 広大で非構造的なデザイン空間と
(ii)タスク固有の損失関数を構築することの難しさ。
人間の関与を最小化する新しいパラダイムを提案する。
一 既存の機械設計から設計検索空間を手作りするよりはむしろ学習し、
二 人間の動きデータから直接、動きの再ターゲティングとプロクリストス分析により損失を定義すること。
スクリュー理論に基づく関節軸表現と等尺多様体学習を用いて, 最適化が可能となるヒューマノイド上半身設計のコンパクトかつ幾何学的に保存された潜在空間を構築する。
次に、勾配のない最適化を用いて、この潜在空間における設計最適化を解く。
提案手法は,データ駆動型ロボット設計の原則的枠組みを確立し,既存の設計と人間の動作を活用することで,新しいロボット設計の自動発見を効果的に導くことを実証する。
関連論文リスト
- Advancing Automated Algorithm Design via Evolutionary Stagewise Design with LLMs [69.91297564489464]
EvoStageは、産業規模のアルゴリズム設計の厳密な要求とLLMベースのアルゴリズム設計のギャップを埋める新しい進化パラダイムである。
EvoStageは、アルゴリズム設計プロセスを逐次的に管理可能なステージに分解し、リアルタイム中間フィードバックを反復的に洗練されたアルゴリズム設計方向に統合する。
商用グレードの3Dチップ配置ツールにデプロイすると、EvoStageはオリジナルのパフォーマンス指標を大幅に上回り、記録破りの効率を達成する。
論文 参考訳（メタデータ） (2026-03-09T05:13:44Z) - MeshMimic: Geometry-Aware Humanoid Motion Learning through 3D Scene Reconstruction [54.36564144414704]
MeshMimicは、3Dシーンの再構築とインテリジェンスを組み込んだ革新的なフレームワークで、ヒューマノイドロボットがビデオから直接「モーション・テライン」インタラクションを学習できるようにする。
現状の3次元視覚モデルを活用することで、我々のフレームワークは、人間の軌跡と基礎となる地形や物体の3次元幾何学の両方を正確にセグメント化し再構築する。
論文 参考訳（メタデータ） (2026-02-17T17:09:45Z) - Efficient Design of Compliant Mechanisms Using Multi-Objective Optimization [50.24983453990065]
そこで本研究では,大きな角状脳卒中を許容できる適合型クロスヒンジ機構の合成について述べる。
キネトスタティックな性能測定に基づいて,多目的最適化問題を定式化する。
論文 参考訳（メタデータ） (2025-04-23T06:29:10Z) - A 'MAP' to find high-performing soft robot designs: Traversing complex design spaces using MAP-elites and Topology Optimization [5.774729866385869]
高品質で製造可能な設計を生産する計算設計ツールは広く採用されていない。
本研究では,多種多様な高性能ソフトロボットを生成するための階層的設計最適化手法について検討する。
本手法は, ソフトと剛性の両方において, 複雑な設計領域の部品を設計するための新しい枠組みを提供する。
論文 参考訳（メタデータ） (2024-07-10T12:27:17Z) - Compositional Generative Inverse Design [69.22782875567547]
入力変数を設計して目的関数を最適化する逆設計は重要な問題である。
拡散モデルにより得られた学習エネルギー関数を最適化することにより、そのような逆例を避けることができることを示す。
N-body 相互作用タスクと2次元多面体設計タスクにおいて,実験時に学習した拡散モデルを構成することにより,初期状態と境界形状を設計できることを示す。
論文 参考訳（メタデータ） (2024-01-24T01:33:39Z) - Design Optimizer for Planar Soft-Growing Robot Manipulators [1.1888144645004388]
本研究は,ソフト成長ロボットの設計最適化のための新しいアプローチを提案する。
ソフトマニピュレータのキネマティックチェーンを最適化し、ターゲットに到達し、材料や資源の不要な過剰使用を避ける。
提案手法を最適性にアクセスするために, 提案手法を検証したところ, 解法の性能は著しく向上した。
論文 参考訳（メタデータ） (2023-10-05T08:23:17Z) - Design Space Exploration and Explanation via Conditional Variational
Autoencoders in Meta-model-based Conceptual Design of Pedestrian Bridges [52.77024349608834]
本稿では,条件付き変分オートエンコーダ(CVAE)による人間設計者向上のための性能駆動型設計探索フレームワークを提案する。
CVAEはスイスの歩行者橋の合成例18万件で訓練されている。
論文 参考訳（メタデータ） (2022-11-29T17:28:31Z) - GLSO: Grammar-guided Latent Space Optimization for Sample-efficient
Robot Design Automation [16.96128900256427]
設計自動化を低次元連続最適化問題に変換するフレームワークであるGrammar-Guided Latent Space Optimization (GLSO)を提案する。
本研究では,グラフ構造設計空間と連続潜在空間とのマッピングを学習するために,グラフ変分オートエンコーダ(VAE)を訓練することにより,設計自動化を低次元連続最適化問題に変換するフレームワークを提案する。
論文 参考訳（メタデータ） (2022-09-23T17:48:24Z) - Physical Design using Differentiable Learned Simulators [9.380022457753938]
逆設計では、学習したフォワードシミュレータは勾配に基づく設計最適化と組み合わせられる。
この枠組みは数百歩の軌跡を伝播することで高品質な設計を行う。
この結果から,機械学習をベースとしたシミュレータは,いくつかの課題があるにもかかわらず,汎用設計の最適化をサポートできる段階まで成熟していることが示唆された。
論文 参考訳（メタデータ） (2022-02-01T19:56:39Z) - An End-to-End Differentiable Framework for Contact-Aware Robot Design [37.715596272425316]
我々は、接触認識ロボット設計のためのエンドツーエンドの差別化可能なフレームワークを構築した。
変形に基づく新しいパラメータ化により、任意の複雑な幾何学を持つ剛体ロボットを設計することができる。
微分可能な剛体シミュレータは、接触豊富なシナリオを処理し、運動パラメータと動的パラメータの完全なスペクトルに対する解析的勾配を計算することができる。
論文 参考訳（メタデータ） (2021-07-15T17:53:44Z)
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。