論文の概要: Differentiable Object Pose Connectivity Metrics for Regrasp Sequence Optimization

• arxiv url: http://arxiv.org/abs/2604.14733v1
• Date: Thu, 16 Apr 2026 07:47:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-17 21:29:31.788514
• Title: Differentiable Object Pose Connectivity Metrics for Regrasp Sequence Optimization
• Title（参考訳）: Regraspシーケンス最適化のための微分型オブジェクトポース接続性メトリクス
• Authors: Liang Qin, Weiwei Wan, Kensuke Harada,
• Abstract要約: 1つのピック・アンド・プレースで最初のポーズからゴールポーズへのオブジェクトの転送ができない場合、リグラス・プランニングがしばしば必要となる。 本稿では,異なるポーズシーケンス接続メトリクスに基づく暗黙的なマルチステップ・リグラス・プランニング・フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 13.078429762098631
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Regrasp planning is often required when one pick-and-place cannot transfer an object from an initial pose to a goal pose while maintaining grasp feasibility. The main challenge is to reason about shared-grasp connectivity across intermediate poses, where discrete search becomes brittle. We propose an implicit multi-step regrasp planning framework based on differentiable pose sequence connectivity metrics. We model grasp feasibility under an object pose using an Energy-Based Model (EBM) and leverage energy additivity to construct a continuous energy landscape that measures pose-pair connectivity, enabling gradient-based optimization of intermediate object poses. An adaptive iterative deepening strategy is introduced to determine the minimum number of intermediate steps automatically. Experiments show that the proposed cost formulation provides smooth and informative gradients, improving planning robustness over other alternatives. They also demonstrate generalization to unseen grasp poses and cross-end-effector transfer, where a model trained with suction constraints can guide parallel gripper grasp manipulation. The multi-step planning results further highlight the effectiveness of adaptive deepening and minimum-step search.
• Abstract（参考訳）: 1つのピック・アンド・プレースで最初のポーズからゴールポーズにオブジェクトを転送できない場合、実現可能性を維持しながら、リグレープ・プランニングが要求されることが多い。 主な課題は、個別の検索が不安定になる中間ポーズ間の共有グラフ接続を推論することである。 本稿では,異なるポーズシーケンス接続メトリクスに基づく暗黙的なマルチステップ・リグラス・プランニング・フレームワークを提案する。 本研究では,EBM(Energy-Based Model)を用いてオブジェクトのポーズを把握し,エネルギーの付加性を活用してポーズ対の接続性を測定する連続的なエネルギー景観を構築し,中間オブジェクトのポーズの勾配に基づく最適化を可能にする。 適応的反復的深度戦略を導入し、中間ステップの最小数を自動決定する。 実験により、提案したコストの定式化は、スムーズで有益な勾配を提供し、他の代替案よりも計画の堅牢性を向上させることが示されている。 彼らはまた、吸入制約で訓練されたモデルが並列グリップパーグリップ操作をガイドできるような、見えないグリップポーズやクロス・エンド・エフェクタ・トランスファーへの一般化も示している。 多段階計画の結果は、適応的な深度化と最小ステップ探索の有効性をさらに強調する。

関連論文リスト

• Connectivity-Aware Representations for Constrained Motion Planning via Multi-Scale Contrastive Learning [6.0393663164774125]
  制約された動き計画の目的は、タスク固有の制約を満たしながら開始とゴールの設定を接続することである。 本稿では,これらの課題に対して,計画前に開始と目標の設定を選択するための接続性を考慮した表現を学習することによって解決する。
  論文  参考訳（メタデータ） (2026-03-26T10:44:21Z)
• MAESTRO: Meta-learning Adaptive Estimation of Scalarization Trade-offs for Reward Optimization [56.074760766965085]
  大規模言語モデル(LLM)の整合性のための効率的なパラダイムとしてグループ相対政策最適化が登場している。 我々は,報酬スカラー化を動的潜在ポリシーとして扱い,モデルの終端隠蔽状態を意味的ボトルネックとして活用するMAESTROを提案する。 本稿では,軽量コンダクタネットワークがメタリワード信号としてグループ相対的優位性を生かしてポリシと共進化する,双方向最適化フレームワークにおけるコンテキスト的帯域幅問題としてこれを定式化する。
  論文  参考訳（メタデータ） (2026-01-12T05:02:48Z)
• MO-SeGMan: Rearrangement Planning Framework for Multi Objective Sequential and Guided Manipulation in Constrained Environments [14.799742504098603]
  高度に制約された再配置問題に対するシークエンシャルおよびガイド・マニピュレーション・プランナであるMO-SeGManを紹介する。 Mo-SeGManは、オブジェクトごとの再計画とロボット走行距離の両方を最小限に抑えるオブジェクト配置シーケンスを生成する。 この結果から,MO-SeGManは解の時間と解の質を,ベースラインに比べて一貫して向上させることがわかった。
  論文  参考訳（メタデータ） (2025-11-03T11:38:57Z)
• Aligning Latent Spaces with Flow Priors [72.24305287508474]
  本稿では,学習可能な潜在空間を任意の目標分布に整合させるための新しいフレームワークを提案する。 特に,提案手法は計算コストの高い確率評価を排除し,最適化時のODE解決を回避する。
  論文  参考訳（メタデータ） (2025-06-05T16:59:53Z)
• Train with Perturbation, Infer after Merging: A Two-Stage Framework for Continual Learning [57.514786046966265]
  textbfPerturb-and-Merge(P&M)は,モデルマージをCLパラダイムに統合し,忘れを緩和する新しい連続学習フレームワークである。 提案手法は,複数の連続学習ベンチマーク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） (2025-05-28T14:14:19Z)
• Adaptive Planning with Generative Models under Uncertainty [20.922248169620783]
  生成モデルによる計画は、幅広い領域にわたる効果的な意思決定パラダイムとして現れてきた。 最新の環境観測に基づいて決定を下すことができるため、各段階での継続的再計画は直感的に思えるかもしれないが、かなりの計算上の課題をもたらす。 本研究は,長軸状態軌跡を予測できる生成モデルの能力を活用する,シンプルな適応計画手法を導入することで,この問題に対処する。
  論文  参考訳（メタデータ） (2024-08-02T18:07:53Z)
• Deep hybrid models: infer and plan in a dynamic world [0.0]
  3つの特徴に基づいて離散的かつ連続的な処理を利用する能動的推論手法を提案する。 モデルが異なる条件下で提示された課題に対処できることが示される。
  論文  参考訳（メタデータ） (2024-02-01T15:15:25Z)
• Unified Task and Motion Planning using Object-centric Abstractions of Motion Constraints [56.283944756315066]
  本稿では,タスクとモーションプランニングを一つの検索に統一するTAMP手法を提案する。 我々のアプローチは、オフザシェルフAIサーチの計算効率を活用して、物理的に実現可能な計画が得られるような、オブジェクト中心の動作制約の抽象化に基づいている。
  論文  参考訳（メタデータ） (2023-12-29T14:00:20Z)

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。