論文の概要: GPU-Accelerated Continuous-Time Successive Convexification for Contact-Implicit Legged Locomotion

• arxiv url: http://arxiv.org/abs/2604.09993v1
• Date: Sat, 11 Apr 2026 02:40:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-14 20:13:15.783481
• Title: GPU-Accelerated Continuous-Time Successive Convexification for Contact-Implicit Legged Locomotion
• Title（参考訳）: 接触型脚移動のためのGPUによる連続時間連続凸化
• Authors: Samuel C. Buckner, Purnanand Elango,
• Abstract要約: コンタクト-単純軌道最適化(CITO)は、コンタクトシーケンスの自動発見を可能にする。 本稿では,離散化ノード間の接触イベントが欠落するリスクを排除し,クロスコンピテンサリティ制約を導入する。 その結果,最大座標における全多体ダイナミクスをモデル化した,接触型連続凸化(ci-SCvx)が得られた。
• 参考スコア（独自算出の注目度）: 0.4588028371034407
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Contact-implicit trajectory optimization (CITO) enables the automatic discovery of contact sequences, but most methods rely on fine time discretization to capture all contact events accurately, which increases problem size and runtime while tying solution quality to grid resolution. We extend the recently proposed sequential convex programming (SCP) approach for trajectory optimization, continuous-time successive convexification (ct-SCvx), to CITO by introducing integral cross-complementarity constraints, which eliminate the risk of missing contact events between discretization nodes while preserving the flexibility of contact mode changes. The resulting framework, contact-implicit successive convexification (ci-SCvx), models full multibody dynamics in maximal coordinates, including stick-slip friction and partially elastic impacts. To handle complementarity constraints, we embed a backtracking homotopy scheme within SCP for reliable convergence. We implement this framework in a stand-alone Python software, leveraging JAX for GPU acceleration and a custom canonical-form parser for the convex subproblems of SCP to avoid the overhead of general-purpose modeling tools such as CVXPY. We demonstrate ci-SCvx on diverse legged-locomotion tasks. In particular, we validate the approach in MuJoCo with the Gymnasium HalfCheetah model against the MuJoCo MPC baseline, showing that a tracking simulation with the optimized torque profiles from ci-SCvx produces physically consistent trajectories with lesser energy consumption. We also show that the resulting software achieves faster solve times than existing state-of-the-art SCP implementations by over an order of magnitude, thereby demonstrating a practically important contribution to scalable real-time trajectory optimization.
• Abstract（参考訳）: コンタクト-単純軌道最適化(CITO)は,接触系列の自動検出を可能にするが,ほとんどの手法は,全ての接触事象を正確に捉えるための細かな時間離散化に依存しており,解の質をグリッド解像度に結び付けながら,問題のサイズと実行時間を増加させる。 最近提案された逐次凸プログラミング(SCP)アプローチにより、トラジェクトリ最適化、連続時間連続凸化(ct-SCvx)をCITOに拡張する。 結果として得られるフレームワークである接触単純連続凸化(ci-SCvx)は、スティックスリップ摩擦や部分的に弾性的な衝撃を含む最大座標における全多体ダイナミクスをモデル化する。 相補性制約に対処するため、信頼できる収束のために、SCP内にバックトラックホモトピースキームを組み込む。 我々は,このフレームワークをスタンドアロンのPythonソフトウェアに実装し,GPUアクセラレーションのためのJAXと,CVXPYのような汎用モデリングツールのオーバーヘッドを回避するために,SCPの凸サブプロブレムのためのカスタム標準形式パーサを利用する。 各種脚移動タスクにおけるci-SCvxの実証を行った。 特に, MuJoCo の MPC ベースラインに対する Gymnasium HalfCheetah モデルによるアプローチを検証し, ci-SCvx の最適化トルクプロファイルを用いた追従シミュレーションにより, エネルギー消費の少ない物理的に一貫したトラジェクトリを生成することを示した。 また,本ソフトウェアは,既存のSCP実装よりも桁違いに高速な解解時間を実現し,拡張性のあるリアルタイム軌道最適化への実質的な貢献を示す。

関連論文リスト

• CADGrasp: Learning Contact and Collision Aware General Dexterous Grasping in Cluttered Scenes [25.832383872036274]
  乱雑な環境における有害な把握は、器用な手の自由度が高いため、重大な課題を呈している。 そこで本研究では,一視点クラウド入力を用いた汎用デクスタラスグルーピングのための2段階アルゴリズムCADGraspを提案する。
  論文  参考訳（メタデータ） (2026-01-21T14:43:29Z)
• A Fast Semidefinite Convex Relaxation for Optimal Control Problems With Spatio-Temporal Constraints [22.24436694865408]
  自律エージェントの最適制御問題(OC)の解決は、自動運転車から自動運転車まで、幅広いアプリケーションにおいて不可欠である。 ほとんどのOCPは、イベントタイミングと軌道とのカップリングのため、非ポイントである。 本稿では,水平線を時間制約付きセグメントに分割する時間スケーリング直接多重撮影方式を提案する。
  論文  参考訳（メタデータ） (2026-01-06T14:38:19Z)
• Towards Robust and Generalizable Continuous Space-Time Video Super-Resolution with Events [71.2439653098351]
  連続時空ビデオスーパーSTVSRは、高解像度で高フレームのビデオを任意の時間スケールで再構成する能力への関心が高まっている。 EvEnhancerは、イベントストリームにカプセル化された高時間および高ダイナミックレンジのユニークな特性を結合する新しいアプローチである。 提案手法は,OODスケールでの一般化性を維持しつつ,合成および実世界の両方のデータセット上での最先端性能を実現する。
  論文  参考訳（メタデータ） (2025-10-04T15:23:07Z)
• Bidirectional Feature-aligned Motion Transformation for Efficient Dynamic Point Cloud Compression [97.66080040613726]
  特徴空間における動きを暗黙的にモデル化する双方向特徴整合運動変換(Bi-FMT)フレームワークを提案する。 Bi-FMTは、時間的に一貫した潜在表現を生成するために、過去と将来の両方のフレームで機能を調整する。 圧縮効率とランタイムの両方において, Bi-FMT が D-DPCC と AdaDPCC を上回っていることを示す。
  論文  参考訳（メタデータ） (2025-09-18T03:51:06Z)
• Adaptive Deadline and Batch Layered Synchronized Federated Learning [66.93447103966439]
  フェデレートラーニング(FL)は、データプライバシを保持しながら、分散エッジデバイス間で協調的なモデルトレーニングを可能にする。 我々は,レイヤワイドアグリゲーションのために,ラウンド単位の期限とユーザ固有のバッチサイズを共同で最適化する新しいフレームワークADEL-FLを提案する。
  論文  参考訳（メタデータ） (2025-05-29T19:59:18Z)
• Space-Time Graphs of Convex Sets for Multi-Robot Motion Planning [2.3416394753138037]
  MRMP(Multi-Robot Motion Planning)は、連続環境における複数ロボットの衝突のない軌道の計算問題である。 本研究では,無衝突時空間領域をランダムサンプリングに頼るのではなく,無衝突時空間領域で体系的にカバーする新しいプランナである,凸集合の空間時間グラフ(ST-GCS)を提案する。 また,コンベックス分解(ECD)を時間的障害としてトラジェクトリを「保存」するために提案し,その後の計画のための衝突のない時空間グラフセットの維持に対処する。
  論文  参考訳（メタデータ） (2025-03-01T18:28:57Z)
• Sparser is Faster and Less is More: Efficient Sparse Attention for Long-Range Transformers [58.5711048151424]
  SPARSEK Attention(SPARSEK Attention)は、計算およびメモリ障害を克服するために設計された、新しいスパースアテンション機構である。 提案手法では,各クエリに対して一定数のKVペアを選択するために,スコアリングネットワークと差別化可能なトップkマスク演算子であるSPARSEKを統合する。 実験結果から,SPARSEK注意は従来のスパースアテンション法よりも優れていた。
  論文  参考訳（メタデータ） (2024-06-24T15:55:59Z)
• DiffPD: Differentiable Projective Dynamics with Contact [65.88720481593118]
  DiffPDは、暗黙の時間積分を持つ効率的な微分可能なソフトボディシミュレータである。 我々はDiffPDの性能を評価し,様々な応用における標準ニュートン法と比較して4～19倍のスピードアップを観測した。
  論文  参考訳（メタデータ） (2021-01-15T00:13:33Z)
• Pushing the Envelope of Rotation Averaging for Visual SLAM [69.7375052440794]
  視覚SLAMシステムのための新しい最適化バックボーンを提案する。 従来の単分子SLAMシステムの精度, 効率, 堅牢性を向上させるために, 平均化を活用している。 我々のアプローチは、公開ベンチマークの最先端技術に対して、同等の精度で最大10倍高速に表示することができる。
  論文  参考訳（メタデータ） (2020-11-02T18:02:26Z)

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。