論文の概要: Safe and Steerable Geometric Motion Policies for Robotic Dexterous Manipulation
- arxiv url: http://arxiv.org/abs/2605.21811v1
- Date: Wed, 20 May 2026 23:16:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-22 16:35:42.023948
- Title: Safe and Steerable Geometric Motion Policies for Robotic Dexterous Manipulation
- Title（参考訳）: ロボットデキスタラスマニピュレーションのための安全で安定な幾何学的運動ポリシー
- Authors: Albert Wu, Riccardo Bonalli, Thomas Lew, C. Karen Liu,
- Abstract要約: セーフPBDS(Safe Pullback Bundle Dynamical Systems)を提案する。
最適かつ確実に安全な構成多様体加速度を目的と安全性の要件から計算する。
ゆるやかな把握では、SafePBDSは20の家庭オブジェクトと120のトライアルで922.5%の成功率を達成した。
- 参考スコア（独自算出の注目度）: 14.608382868752463
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Robotic dexterous manipulation requires continuously reconciling objectives and constraints defined on heterogeneous geometric spaces: a robot controlled on a $\mathbb{R}^7$ configuration manifold may need to track end effector poses on $\mathrm{SE}(3)$ while satisfying obstacle avoidance margins in $\mathbb{R}$. We present Safe Pullback Bundle Dynamical Systems (SafePBDS), a geometrically consistent framework that computes optimal, certifiably safe configuration manifold accelerations from objectives and safety requirements on arbitrary task manifolds. SafePBDS builds on prior work that combines predefined task manifold dynamical systems to produce autonomous motion. Its first innovation is a pullback control barrier function construction, which converts task manifold safety conditions into linear constraints on configuration manifold accelerations. The second innovation is a task manifold action interface that allows a high-level policy to inject low dimensional residual motions; zero input recovers the autonomous behavior, while safety is preserved under arbitrary inputs. This lets high-level policies efficiently steer exploration while leaving precise motion to the autonomous behavior. We validate SafePBDS in simulation and on a 23-DOF Franka Panda-Allegro Hand platform. On dexterous grasping, SafePBDS achieves a $92.5\%$ success rate across 20 household objects and 120 trials. Using the action interface, the method can exclude any one of the four fingers during grasping via a one-dimensional action, achieving $94.4\%$ 3-finger grasp success across 3 objects and 36 trials. The efficient planning and safety guarantee of SafePBDS also enables the first model-based, fully actuated palm-down in-hand reorientation, exceeding $360^\circ$ of yaw rotation in both directions under varying object weight and wrist motion. Demo video and details: https://tml.stanford.edu/safe-pbds
- Abstract（参考訳）: 異種幾何学空間上で定義された目的と制約を連続的に整合する必要がある:$\mathbb{R}^7$構成多様体で制御されるロボットは、$\mathrm{SE}(3)$のエンドエフェクターのポーズを追跡する必要があるが、$\mathbb{R}$の障害物回避マージンを満足する。
本稿では,任意のタスク多様体上での最適かつ確実な構成多様体加速度と安全性要件から,最適かつ安全な構成多様体加速度を計算する,幾何学的に一貫したフレームワークであるSafePBDSを提案する。
SafePBDSは、事前に定義されたタスク多様体の力学系を組み合わせて自律的な動作を生成する、以前の作業の上に構築されている。
その最初の革新はプルバック制御バリア関数の構成であり、これはタスク多様体の安全性条件を構成多様体の加速度に対する線形制約に変換する。
第二の革新はタスク多様体のアクションインタフェースで、高レベルなポリシーで低次元の残留運動を注入でき、ゼロ入力は自律的な動作を回復するが、安全は任意の入力で保持される。
これにより、自律的な行動に正確な動きを残しながら、高レベルの政策が効率的に探索を行うことができる。
我々はSafePBDSをシミュレーションおよび23-DOF Franka Panda-Allegro Handプラットフォーム上で検証した。
ゆるやかな把握では、SafePBDSは20の家庭オブジェクトと120のトライアルで92.5\%の成功率を達成した。
アクションインタフェースを使用すると、1次元のアクションで握りながら4本の指のうち1本の指を排除でき、3つのオブジェクトと36のトライアルで94.4\%の3フィンガーグリップ成功を達成できる。
SafePBDSの効率的な計画と安全性の保証により、モデルベースで完全に作動した手のひらを手動で並べ替えることができ、物体の重量や手首の動きの異なる方向のヨー回転が360^\circ$を超える。
デモビデオと詳細:https://tml.stanford.edu/safe-pbds
関連論文リスト
- Learning Reactive Dexterous Grasping via Hierarchical Task-Space RL Planning and Joint-Space QP Control [50.28263951510334]
本稿では,リアクティブなデクスタリーグルーピングのためのハイブリッド階層型制御フレームワークを提案する。
提案手法は,低レベル共同実行から高レベル空間意図を明示的に分離する。
我々は厳密なシミュレーションと現実のパイプラインを通して提案したフレームワークを広範囲に検証する。
論文 参考訳（メタデータ） (2026-05-05T04:49:38Z) - CMP: Robust Whole-Body Tracking for Loco-Manipulation via Competence Manifold Projection [64.65196237023754]
Manifold Competence Projectionは、アウト・オブ・ディストリビューションの摂動に対する堅牢性を改善する。
我々は、無限水平安全制約を計算効率の良い単段多様体包含に変換するフレーム-ワイズ安全スキームを用いる。
実験により、CMPは典型的なOODシナリオで最大10倍の生存率向上を達成することが示された。
論文 参考訳（メタデータ） (2026-04-08T18:00:39Z) - A Closed-Form CLF-CBF Controller for Whole-Body Continuum Soft Robot Collision Avoidance [45.63674336069651]
ソフト連続マニピュレータは機械的コンプライアンスを通じて受動的安全性を提供する。
サンプリングベースの計画のような既存のアプローチは、しばしば計算コストが高く、正式な安全保証がない。
本稿では,リアルタイム3次元障害物回避のための閉形式制御リャプノフ関数-制御バリア関数(CLF-CBF)について述べる。
論文 参考訳（メタデータ） (2026-03-19T19:34:49Z) - Boundary-to-Region Supervision for Offline Safe Reinforcement Learning [56.150983204962735]
バウンダリ・トゥ・レギオン(Bundary-to-Region, B2R)は、コスト信号による非対称な条件付けを可能にするフレームワークである。
B2Rは、CTGを固定された安全予算の下で境界制約として再定義し、すべての実行可能な軌道のコスト分布を統一する。
実験の結果,B2Rは38項目中35項目の安全制約を満たすことがわかった。
論文 参考訳（メタデータ） (2025-09-30T03:38:20Z) - FLARE: Robot Learning with Implicit World Modeling [87.81846091038676]
$textbfFLARE$は、予測潜在世界モデリングをロボットポリシー学習に統合する。
$textbfFLARE$は最先端のパフォーマンスを実現し、これまでのポリシー学習のベースラインを最大26%上回っている。
この結果は、暗黙の世界モデリングと高周波ロボット制御を組み合わせた汎用的でスケーラブルなアプローチとして$textbfFLARE$を確立した。
論文 参考訳（メタデータ） (2025-05-21T15:33:27Z) - Generalizing Safety Beyond Collision-Avoidance via Latent-Space Reachability Analysis [6.267574471145217]
Hamilton-Jacobi (H) は、ロボットが安全でない状態を同時に検出し、アクションを生成するための厳格なフレームワークである。
生観測データを直接操作する潜在空間到達性であるLa Safety Filtersを提案する。
論文 参考訳（メタデータ） (2025-02-02T22:00:20Z) - Safe Reinforcement Learning Using Black-Box Reachability Analysis [20.875010584486812]
強化学習(Reinforcement Learning, RL)は、不確実な環境下でのロボットの動き計画と制御を高度に行うことができる。
広範な展開を正当化するためには、ロボットは性能を犠牲にすることなく安全上の制約を尊重しなければならない。
我々は3つの主要コンポーネントを持つブラックボックス到達可能性に基づく安全層(BRSL)を提案する。
論文 参考訳（メタデータ） (2022-04-15T10:51:09Z) - Nonprehensile Riemannian Motion Predictive Control [57.295751294224765]
本稿では,リアル・ツー・シムの報酬分析手法を導入し,リアルなロボット・プラットフォームに対する行動の可能性を確実に予測する。
連続的なアクション空間でオブジェクトを反応的にプッシュするクローズドループコントローラを作成します。
我々は,RMPCが乱雑な環境だけでなく,乱雑な環境においても頑健であり,ベースラインよりも優れていることを観察した。
論文 参考訳（メタデータ） (2021-11-15T18:50:04Z) - Provably Efficient Safe Exploration via Primal-Dual Policy Optimization [105.7510838453122]
制約付きマルコフ決定過程(CMDP)を用いた安全強化学習(SRL)問題について検討する。
本稿では,関数近似設定において,安全な探索を行うCMDPの効率の良いオンラインポリシー最適化アルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-03-01T17:47:03Z)
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。