論文の概要: Manipulation Planning for Construction Activities with Repetitive Tasks
- arxiv url: http://arxiv.org/abs/2605.13754v1
- Date: Wed, 13 May 2026 16:33:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-14 23:30:28.180767
- Title: Manipulation Planning for Construction Activities with Repetitive Tasks
- Title（参考訳）: 繰り返し作業による建設作業のマニピュレーション計画
- Authors: Wangyi Liu, Dasharadhan Mahalingam, Fanru Gao, Ci-Jyun Liang, Nilanjan Chakraborty,
- Abstract要約: 繰り返し作業からなる建設作業を行うための操作スキル獲得の課題について検討する。
提案手法では,仮想現実感(VR)環境における仮想的な建設活動の設定を行う。
運動のスクリュー幾何を利用して、実験された動きを一定のスクリュー運動の列として近似する。
- 参考スコア（独自算出の注目度）: 5.255297390761865
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: In this paper, we study the problem of manipulation skill acquisition for performing construction activities consisting of repetitive tasks (e.g., building a wall or installing ceiling tiles). Our approach involves setting up a simulated construction activity in a Virtual Reality (VR) environment, where the user can provide demonstrations of the object manipulation skills needed to perform the construction activity. We then exploit the screw geometry of motion to approximate the demonstrated motion as a sequence of constant screw motions. For performing the construction activity, we generate the sequence of manipulation task instances and then compute the joint space motion plan corresponding to each instance using Screw Linear Interpolation (ScLERP) and Resolved Motion Rate Control (RMRC). We evaluate our framework by executing two representative construction tasks: constructing brick walls and installing multiple ceiling tiles. Each task is performed using only a single demonstration, a pick-and-place action for the bricks, and a single ceiling tile installation. Our experiments with a 7-DoF robot in both simulation and hardware demonstrate that the approach generalizes robustly to arbitrarily long construction activities that involve repetitive motions and demand precision, even when provided with just one demonstration. For instance, we can construct walls of arbitrary layout and length by leveraging a single demonstration of placing one brick on top of another.
- Abstract（参考訳）: 本稿では,繰り返し作業(壁の施工,天井タイルの設置など)からなる工事作業を行うための操作スキル獲得の課題について考察する。
提案手法では,仮想現実感(VR)環境において,建設作業を行うために必要なオブジェクト操作スキルのデモンストレーションを行う。
次に、運動のスクリュー幾何を利用して、実証された動きを一定のスクリュー運動の列として近似する。
建設活動を行うために,操作タスクインスタンスのシーケンスを生成し,ScLERP(Screw Linear Interpolation)とRMRC(Resolved Motion Rate Control)を用いて各インスタンスに対応する共同宇宙運動計画を計算する。
れんが壁の構築と複数の天井タイルの設置という,2つの代表的な建設作業を実行することにより,我々の枠組みを評価する。
それぞれのタスクは、1つのデモ、レンガのピック・アンド・プレイス・アクション、そして1つの天井タイルのインストレーションで実行される。
シミュレーションとハードウェアの両方における 7-DoF ロボットを用いた実験により,本手法は,1つの実演が与えられた場合でも,反復動作と要求精度を含む任意に長い建設活動に頑健に一般化できることが実証された。
例えば、任意のレイアウトと長さの壁には、1つのブロックをもう1つのブロックの上に配置する1つのデモを活用することで構築できます。
関連論文リスト
- Screw Geometry Meets Bandits: Incremental Acquisition of Demonstrations to Generate Manipulation Plans [9.600625243282618]
本研究では,1回に1回に1回,十分な審美的デモンストレーションの集合を得るという課題について検討する。
実験結果から操作計画を生成するために, (i) スクリュー幾何表現を用いて, これらのオープンな問題に対処する新しい手法を提案する。
本研究は,2つの実例操作課題,すなわち注水とスクーピングに関する実験結果である。
論文 参考訳（メタデータ） (2024-10-23T20:57:56Z) - M3Bench: Benchmarking Whole-body Motion Generation for Mobile Manipulation in 3D Scenes [66.44171200767839]
M3Benchは、モバイル操作タスクにおける全身の動き生成のための新しいベンチマークである。
M3Benchは、119の多様なシーンに3万のオブジェクト再構成タスクを備えている。
M3BenchとM3BenchMakerは、より適応的で有能なモバイル操作に向けたロボティクスの研究を進めることを目指している。
論文 参考訳（メタデータ） (2024-10-09T08:38:21Z) - HYPERmotion: Learning Hybrid Behavior Planning for Autonomous Loco-manipulation [7.01404330241523]
HYPERmotionは、異なるシナリオのタスクに基づいて行動を学び、選択し、計画するフレームワークである。
強化学習と全身最適化を組み合わせることで,38関節の運動を生成する。
シミュレーションと実世界の実験では、学習した動きが新しいタスクに効率的に適応できることが示されている。
論文 参考訳（メタデータ） (2024-06-20T18:21:24Z) - Programmable Motion Generation for Open-Set Motion Control Tasks [51.73738359209987]
我々は新しいパラダイム、プログラム可能なモーション生成を導入する。
このパラダイムでは、任意の運動制御タスクは原子制約の組み合わせに分解される。
これらの制約は、運動列がそれに付着する程度を定量化するエラー関数にプログラムされる。
論文 参考訳（メタデータ） (2024-05-29T17:14:55Z) - RoboTAP: Tracking Arbitrary Points for Few-Shot Visual Imitation [36.43143326197769]
Track-Any-Point (TAP) モデルは、デモ中の関連する動きを分離し、低レベルのコントローラをパラメータ化して、シーン構成の変化をまたいでこの動きを再現する。
この結果は,形状整合,積み重ね,さらには接着や物体の付着といった完全な経路追従といった複雑な物体配置タスクを解くことのできるロバストなロボットポリシーで示される。
論文 参考訳（メタデータ） (2023-08-30T11:57:04Z) - Predicting Motion Plans for Articulating Everyday Objects [16.0496453009462]
本研究では,実シーンに置かれる物体をシミュレートするモーションシミュレータを開発した。
次に、動き計画の高速かつ柔軟な表現であるSeqIK+$theta$を紹介する。
我々は、SeqIK+$theta$を使用して、テスト時に新しいオブジェクトを記述するための動きプランを素早く予測するモデルを学習する。
論文 参考訳（メタデータ） (2023-03-02T18:45:02Z) - Bottom-Up Skill Discovery from Unsegmented Demonstrations for
Long-Horizon Robot Manipulation [55.31301153979621]
我々は,実世界の長距離ロボット操作作業に,スキル発見による取り組みを行う。
未解決のデモンストレーションから再利用可能なスキルのライブラリを学ぶためのボトムアップアプローチを提案する。
提案手法は,多段階操作タスクにおける最先端の模倣学習手法よりも優れた性能を示した。
論文 参考訳（メタデータ） (2021-09-28T16:18:54Z) - Learning to Shift Attention for Motion Generation [55.61994201686024]
ロボット学習を用いた動作生成の課題の1つは、人間のデモが1つのタスククエリに対して複数のモードを持つ分布に従うことである。
以前のアプローチでは、すべてのモードをキャプチャできなかったり、デモの平均モードを取得できないため、無効なトラジェクトリを生成する傾向があった。
この問題を克服する外挿能力を有するモーション生成モデルを提案する。
論文 参考訳（メタデータ） (2021-02-24T09:07:52Z) - Latent Space Roadmap for Visual Action Planning of Deformable and Rigid
Object Manipulation [74.88956115580388]
プランニングは、イメージを埋め込んだ低次元の潜在状態空間で行われる。
我々のフレームワークは2つの主要なコンポーネントで構成されており、画像のシーケンスとして視覚的な計画を生成するビジュアル・フォレスト・モジュール(VFM)と、それら間のアクションを予測するアクション・プロポーザル・ネットワーク(APN)である。
論文 参考訳（メタデータ） (2020-03-19T18:43:26Z)
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。