論文の概要: Emergency Stopping for Liquid-manipulating Robots

• arxiv url: http://arxiv.org/abs/2604.16667v1
• Date: Fri, 17 Apr 2026 19:55:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-28 14:22:01.819865
• Title: Emergency Stopping for Liquid-manipulating Robots
• Title（参考訳）: 液体操作ロボットの緊急停止
• Authors: Samuli Hynninen, Ville Kyrki,
• Abstract要約: 本文では,オープンコンテナ内の液体を操作するロボットの緊急停止システムについて述べる。 我々は、最適な制御問題として緊急停止を定式化し、それをモデル予測制御フレームワークで解決する。 シミュレーションと7-DoFのFranka Emika Pandaロボットを用いて,提案手法が急速緊急停止を実現することを実証した。
• 参考スコア（独自算出の注目度）: 3.41664816872933
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Manipulating open liquid containers is challenging because liquids are highly sensitive to vessel accelerations and jerks. Although spill-free liquid manipulation has been widely studied, emergency stopping under unexpected hazards has received little attention, despite the fact that abrupt braking may cause hazardous spills. This letter presents an emergency stop system for robots manipulating liquids in open containers. We formulate emergency stopping as an optimal control problem and solve it in a model predictive control framework to generate time-optimal, spill-free stopping trajectories. The method operates as a plug-and-play safety layer on top of existing slosh-free motion planning methods, enabling immediate reaction to detected hazards while accounting for nonlinear liquid dynamics. We demonstrate, through simulation and on a 7-DoF Franka Emika Panda robot, that the proposed approach achieves fast emergency stopping without spilling.
• Abstract（参考訳）: オープンな液体容器を操作するのは、液体が容器の加速やくしゃみに非常に敏感であるため、難しい。 流出のない液体操作は広く研究されているが、急激なブレーキが有害な流出を引き起こす可能性があるにもかかわらず、予期せぬ危険の下での緊急停止はほとんど注目されていない。 本文では,オープンコンテナ内の液体を操作するロボットの緊急停止システムについて述べる。 緊急停止を最適制御問題として定式化し、モデル予測制御フレームワークで解決し、時間最適で、こぼれのない停止軌道を生成する。 既存のスロッシュフリー動作計画法の上にプラグ・アンド・プレイ安全層として機能し、非線形液体力学を考慮しつつ検出された危険に対する即時反応を可能にする。 シミュレーションと7-DoFのFranka Emika Pandaロボットを用いて,提案手法が急速緊急停止を実現することを実証した。

関連論文リスト

• Learning Safe-Stoppability Monitors for Humanoid Robots [11.850318870435265]
  我々は,ヒューマノイドの緊急停止を政策依存型安全性問題として定式化する。 我々はPRISMを紹介した。PRISMはシミュレーション駆動のフレームワークで、状態レベルのストッパビリティのための神経予測器を学習する。 以上の結果から,政策依存的停止性としての安全性のモデル化により,積極的な安全監視が可能であり,ヒューマノイドロボットのフェールセーフ動作のスケーラブルな認証を支援することが示唆された。
  論文  参考訳（メタデータ） (2026-03-24T01:51:32Z)
• A Switching Nonlinear Model Predictive Control Strategy for Safe Collision Handling by an Underwater Vehicle-Manipulator System [0.0]
  本稿では,水中車両マニピュレータシステム(UVMS)の衝突処理のためのスイッチング予測モデル制御(NMPC)戦略を提案する。 衝突を避けることは不可能であり、制御アルゴリズムはマニピュレータを利用して障害物を押して衝突から逸脱する。
  論文  参考訳（メタデータ） (2026-01-26T21:11:29Z)
• Warm-Starting Collision-Free Model Predictive Control With Object-Centric Diffusion [38.363402738466334]
  拡散型ウォームスタート条件と潜時オブジェクト中心のシーン表現を組み合わせることで、厳密な時間制限下での信頼性と効率的な動き生成が得られることを示す。 提案手法では,オブジェクト中心のスロットアテンション機構を用いて,システム状態,タスク,周囲に拡散トランスフォーマを設定できる。 サンプル軌道は、剛体力学と符号-距離衝突制約を強制する最適制御問題によって洗練される。
  論文  参考訳（メタデータ） (2026-01-06T10:02:54Z)
• RoboSafe: Safeguarding Embodied Agents via Executable Safety Logic [56.38397499463889]
  視覚言語モデル(VLM)を利用するエージェントは、複雑な現実世界のタスクを実行する能力がますます高まっている。 しかし、安全でない行動を引き起こす可能性のある危険な指示に弱いままである。 提案するRoboSafeは,実行可能述語ベースの安全ロジックを通じて,エージェントを具体化するためのランタイムセーフガードである。
  論文  参考訳（メタデータ） (2025-12-24T15:01:26Z)
• FreezeVLA: Action-Freezing Attacks against Vision-Language-Action Models [124.02734355214325]
  Vision-Language-Action(VLA)モデルはロボティクスの急速な進歩を加速している。 敵画像はVLAモデルを「凍結」し、その後の命令を無視する。 FreezeVLAは、min-maxバイレベル最適化を通じて、アクション凍結攻撃を生成し、評価する。
  論文  参考訳（メタデータ） (2025-09-24T08:15:28Z)
• Designing Control Barrier Function via Probabilistic Enumeration for Safe Reinforcement Learning Navigation [55.02966123945644]
  本稿では,ニューラルネットワーク検証技術を利用して制御障壁関数(CBF)とポリシー修正機構の設計を行う階層型制御フレームワークを提案する。 提案手法は,安全なCBFベースの制御層を構築するために使用される,安全でない操作領域を特定するための確率的列挙に依存する。 これらの実験は、効率的なナビゲーション動作を維持しながら、安全でない動作を補正する提案手法の能力を実証するものである。
  論文  参考訳（メタデータ） (2025-04-30T13:47:25Z)
• Hydra-NeXt: Robust Closed-Loop Driving with Open-Loop Training [64.16445087751039]
  Hydra-NeXtは、軌道予測、制御予測、軌道修正ネットワークを一つのモデルに統合する、新しいマルチブランチ計画フレームワークである。 Hydra-NeXt は22.98 DS と 17.49 SR を上回り、自動運転の大幅な進歩を示している。
  論文  参考訳（メタデータ） (2025-03-15T07:42:27Z)
• Soft Actor-Critic-based Control Barrier Adaptation for Robust Autonomous Navigation in Unknown Environments [4.788163807490197]
  制御バリア関数(CBF)の制約パラメータを実行時に適用するためのソフトアクタ・クリティカル(SAC)ベースのポリシーを提案する。 我々は,本フレームワークがCBF制約を効果的に適用し,ロボットが安全性を損なうことなく最終目標に達することを実証した。
  論文  参考訳（メタデータ） (2025-03-11T14:33:55Z)
• RACER: Epistemic Risk-Sensitive RL Enables Fast Driving with Fewer Crashes [57.319845580050924]
  本稿では,リスク感応制御と適応行動空間のカリキュラムを組み合わせた強化学習フレームワークを提案する。 提案アルゴリズムは,現実世界のオフロード運転タスクに対して,高速なポリシーを学習可能であることを示す。
  論文  参考訳（メタデータ） (2024-05-07T23:32:36Z)
• Deep Reinforcement Learning for Advanced Longitudinal Control and Collision Avoidance in High-Risk Driving Scenarios [0.0]
  本研究では, 縦方向制御と衝突回避のための深部強化学習に基づく新しいアルゴリズムを提案する。 シミュレーションされた高リスクシナリオにおけるその実装は、従来のシステムが通常失敗する密集した交通で緊急ブレーキを伴い、衝突の可能性のある衝突を防ぐアルゴリズム能力を実証している。
  論文  参考訳（メタデータ） (2024-04-29T19:58:34Z)

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。