Fugu-MT 論文翻訳(概要): Bi-Level Optimization for Contact and Motion Planning in Rope-Assisted Legged Robots

論文の概要: Bi-Level Optimization for Contact and Motion Planning in Rope-Assisted Legged Robots

arxiv url: http://arxiv.org/abs/2604.26910v1
Date: Wed, 29 Apr 2026 17:18:29 GMT
ステータス: 翻訳完了
システム内更新日: 2026-04-30 15:59:36.516662
Title: Bi-Level Optimization for Contact and Motion Planning in Rope-Assisted Legged Robots
Title（参考訳）: ロープアシストレッグロボットの接触・運動計画のためのバイレベル最適化
Abstract要約: 提案するフレームワークは、混合整数問題に対処する二段階最適化スキームとして定式化されている。最適化の外部レベルはクロスエントロピー法を用いて解決され、内部レベルは勾配に基づく非線形最適化に依存する。このアプローチは、新しい登山ロボットプラットフォームであるALPINE上で、さまざまな困難な地形構成で検証されている。
参考スコア（独自算出の注目度）: 3.6606977710467326
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This paper presents a planning pipeline framework for locomotion in rope-assisted robots climbing vertical surfaces. The proposed framework is formulated as a bi-level optimization scheme that addresses a mixed-integer problem: selecting feasible terrain regions for landing while simultaneously optimizing the control inputs, namely rope tensions and leg forces, and landing location. The outer level of the optimization is solved using the Cross-Entropy Method, while the inner level relies on gradient-based nonlinear optimization to compute dynamically feasible motions. The approach is validated on a novel climbing robot platform, ALPINE, across a variety of challenging terrain configurations.
Abstract（参考訳）: 本稿では,垂直面を登るロープアシストロボットの移動を計画するパイプライン・フレームワークを提案する。提案手法は, ロープ張力, 脚力, 着地位置などの制御入力を同時に最適化しながら, 着陸可能な地形領域を選択する, 混合整数問題に対処する二段階最適化手法として定式化されている。最適化の外部レベルはクロスエントロピー法を用いて解決され、内部レベルは動的に実現可能な運動を計算するために勾配に基づく非線形最適化に依存する。このアプローチは、新しい登山ロボットプラットフォームであるALPINE上で、さまざまな困難な地形構成で検証されている。

関連論文リスト

Global Path Planner with Multi-Model Switching [4.722855399259271]
この作業は、マルチモデルキネマティックスイッチングを備えた純粋プールコントローラによるグローバルパス計画を強化する。中心となる革新は適応的キネマティック・モデリングであり、地形の特徴とロボットの状態に基づくキネマティック・モデル間のリアルタイムな切り替えを可能にする。我々は、異なるプラットフォーム、すなわちアルタバン四脚とX3四脚ドローンのシミュレーションにおけるアプローチを検証する。
論文参考訳（メタデータ） (2026-09-11T16:12:53Z)
AutoPath: Learning Transferable Goal-Conditioned Stochastic Path Prior for Safe Navigation Without Human Demonstrations [103.61864552260316]
動的環境におけるリアルタイムナビゲーションは、限られた知覚下での衝突のない、動的に実現可能な動きを必要とする。我々は,移動可能な目標整合経路の学習としてナビゲーションを定式化し,局所的な観測に基づいて,目標整合な局所経路上の再利用可能な分布をモデル化する。我々は、幾何対応の極性行動多様体を用いて局所経路をパラメータ化し、安定かつ安全対応の計画のためのマルチゴール分散ロールアウトによるリスク感応性ユーティリティシェーピングを含む構造化された事前学習フレームワークを開発した。
論文参考訳（メタデータ） (2026-07-13T16:00:41Z)
Navigating the Clutter: Waypoint-Based Bi-Level Planning for Multi-Robot Systems [54.887871365121775]
乱雑な環境におけるマルチロボット制御は、複雑な物理的制約を伴う難しい問題である。タスクとモーションプランニングを協調的に最適化するハイブリッドマルチロボット制御フレームワークを提案する。我々のアプローチは、動作に依存しないベースラインとVLAベースのベースラインよりもタスクの成功を継続的に改善する。
論文参考訳（メタデータ） (2026-04-22T22:58:47Z)
Parallel Stochastic Gradient-Based Planning for World Models [39.699893143984916]
本稿では,学習した世界モデルの識別性を有効に活用する,堅牢で並列性の高いプランナを提案する。本手法は,ソフトダイナミックス制約による最適化変数(仮想状態)として状態を扱い,並列かつ容易な最適化を実現する。我々のプランナーはGRASP(GradAxed Planner)と呼ばれ、非凝縮またはコロケーションベースの最適コントローラの有効なバージョンと見なすことができる。
論文参考訳（メタデータ） (2026-01-31T02:57:47Z)
Potential Based Diffusion Motion Planning [73.593988351275]
本稿では,潜在的行動計画の学習に向けた新しいアプローチを提案する。我々はニューラルネットワークを訓練し、運動計画軌跡よりも容易に最適化可能なポテンシャルを捕捉し、学習する。我々は、その固有の構成可能性を示し、様々な動きの制約に一般化することができる。
論文参考訳（メタデータ） (2024-07-08T17:48:39Z)
A Computational Framework for Solving Wasserstein Lagrangian Flows [48.87656245464521]
一般に、最適密度経路は未知であり、これらの変動問題の解法は計算的に困難である。本稿では,これらすべての問題に統一的な視点からアプローチする,新しいディープラーニングベースのフレームワークを提案する。提案手法は, 単セル軌道推定における従来の手法より優れていることを示す。
論文参考訳（メタデータ） (2023-10-16T17:59:54Z)
DDPEN: Trajectory Optimisation With Sub Goal Generation Model [70.36888514074022]
本稿では,エスケープネットワークを用いた微分動的プログラミング(DDPEN)を提案する。本稿では,環境の入力マップとして,所望の位置とともにコストマップの形で利用する深層モデルを提案する。このモデルは、目標に導く可能性のある将来の方向を生成し、リアルタイムに実行可能なローカルなミニマを避ける。
論文参考訳（メタデータ） (2023-01-18T11:02:06Z)
Simultaneous Contact-Rich Grasping and Locomotion via Distributed Optimization Enabling Free-Climbing for Multi-Limbed Robots [60.06216976204385]
移動, 把握, 接触問題を同時に解くための効率的な運動計画フレームワークを提案する。ハードウェア実験において提案手法を実証し, より短い計画時間で, 傾斜角45degで自由クライミングを含む様々な動作を実現できることを示す。
論文参考訳（メタデータ） (2022-07-04T13:52:10Z)
Stability Constrained Mobile Manipulation Planning on Rough Terrain [7.766921168069532]
本論文では,移動マニピュレータロボットのオンライン動的安定性制約付き最適軌道計画を可能にするフレームワークを提案する。その結果, 動的安定性制約を満たしながら, 様々な地形におけるオンライン軌道計画が可能となった。
論文参考訳（メタデータ） (2021-05-10T14:21:59Z)
Path Planning Followed by Kinodynamic Smoothing for Multirotor Aerial Vehicles (MAVs) [61.94975011711275]
そこで本稿では,RRT*textquotedblrightのテキストを幾何学的にベースとした動き計画手法を提案する。提案手法では,適応探索空間とステアリング機能を導入したオリジナルのRT*を改良した。提案手法を様々なシミュレーション環境で検証した。
論文参考訳（メタデータ） (2020-08-29T09:55:49Z)

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。