論文の概要: Verified Task-Space Motion Planning Under Joint-Space Constraints

• arxiv url: http://arxiv.org/abs/2605.22991v1
• Date: Thu, 21 May 2026 19:42:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-25 17:29:20.079605
• Title: Verified Task-Space Motion Planning Under Joint-Space Constraints
• Title（参考訳）: 連立空間制約下におけるタスク空間運動計画の検証
• Authors: Hanjiang Hu, Changliu Liu, Yebin Wang,
• Abstract要約: Bug2のようなリアクティブなタスクスペースプランナーは、固定されたカルテシアンステップサイズで動作し、マニピュレータの関節角制限に気づいていない。 計算は各計画段階において、関節境界の下で到達可能な最大のカルテ超矩形を計算することで解決する。 等価な二分法は、その認証をミリ秒以下の時間で解決する。
• 参考スコア（独自算出の注目度）: 14.31054942510699
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Reactive task-space planners such as Bug2 operate with fixed Cartesian step sizes and are unaware of the manipulator's joint-angle limits. When the Jacobian is poorly conditioned, even small Cartesian steps can demand joint changes that exceed admissible bounds; clipping the joints to their limits causes tracking drift and can prevent goal reaching entirely. We address this by computing, at each planning step, the largest Cartesian hyperrectangle that is \emph{certifiably reachable} under joint displacement bounds. Using a second-order polynomial approximation of the inverse kinematics and the S-procedure, we formulate a small semidefinite program whose solution yields the certified half-width~$λ^\star$. An equivalent bisection procedure exploiting the quadratic structure solves the certification in sub-millisecond time. Integrating this certificate with Bug2 yields a planner whose step size adapts to local kinematic conditioning. In a statistical evaluation over 94 adversarial scenarios spanning six joint-limit settings, the SOS-verified planner achieves \emph{zero} joint-limit violations with a 100\% goal-reaching rate, whereas a standard Bug2 planner violates joint limits in 6--11\% of steps and fails to reach the goal in up to 18\% of scenarios.
• Abstract（参考訳）: Bug2のようなリアクティブなタスクスペースプランナーは、固定されたカルテシアンステップサイズで動作し、マニピュレータの関節角制限に気づいていない。 ヤコビアンが不調な場合、小さなカルテシアンステップでさえ許容範囲を超える関節変化を要求でき、関節を限界まで切断すると、トラッキングドリフトが発生し、ゴールが完全に到達するのを防ぐことができる。 計算では、各計画段階において、関節変位境界の下では最大のカルテ超矩形が \emph{certifiably reachable} となる。 逆キネマティクスとSプロペディチャの2階多項式近似を用いて、解が証明された半幅~$λ^\star$となるような小さな半定値プログラムを定式化する。 二次構造を利用した等価な二分法は、その証明をミリ秒以下の時間で解決する。 この証明書をBug2と統合すると、ステップサイズが局所的な運動条件に適合するプランナーが得られる。 6つのジョイント・リミット・セッティングにまたがる94の反対シナリオに対する統計的評価では、SOS認定プランナーは100 %の目標達成率で「emph{zero}」のジョイント・リミット違反を達成し、標準のBug2プランナーは6-11 %のステップでジョイント・リミットに違反し、最大18 %のシナリオでゴールに到達できなかった。

関連論文リスト

• Constraint-Enhanced Reinforcement Learning Based on Dynamic Decoupled Spherical Radial Squashing [1.2036262042590717]
  各関節が制御ステップごとにどれだけ速く動けるかは、避けられない。 既存の方法は等方性球形の制約を課し、指数関数的に真の実現可能な集合を覆い隠す。 本稿では,ダイナミックデカップリング型球状ラジアルスクアッシング(DD-SRad)を提案する。 Unitree H1とG1のヒューマノイドロボットによる実験は、公式な共同仕様から直接パラメータ化されたエンドツーエンドの最適性を確認する。
  論文  参考訳（メタデータ） (2026-05-05T18:24:46Z)
• 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)
• Bridging Discrete Planning and Continuous Execution for Redundant Robot [12.278986080239692]
  冗長マニピュレータの経路計画にはボクセルグリッド強化学習が広く採用されている。 しかし、7-DoFアーム上の点数逆キネマティクスによる直接実行は、しばしばステップサイズジッタをもたらす。 この研究は、個別の計画立案者自体を変更することなく、離散的な計画と連続的な実行の間にブリッジングフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-04-02T13:23:54Z)
• Perceptive Variable-Timing Footstep Planning for Humanoid Locomotion on Disconnected Footholds [2.963101656293054]
  本稿では,足の配置と歩留まりを協調的に計画する,車載・知覚混合整数モデル予測制御フレームワークを提案する。 外部プッシュを含む無作為なステップストーン場におけるDigitのシミュレーションにおけるアプローチを評価する。
  論文  参考訳（メタデータ） (2026-03-08T01:04:30Z)
• Reinforcement learning with combinatorial actions for coupled restless bandits [62.89013331120493]
  提案するSEQUOIAは,動作空間に対する長期報酬を直接最適化するRLアルゴリズムである。 我々は,複数介入,経路制約,二部間マッチング,容量制約という,制約を伴う4つの新しいレスレス・バンディット問題に対して,SEQUOIAを実証的に検証した。
  論文  参考訳（メタデータ） (2025-03-01T21:25:21Z)
• Improved Pairwise Measurement-Based Surface Code [0.0]
  我々は,1量子ビットと近傍の2量子ビットのパウリ測度を用いて,四角形格子上の曲面符号の新たな実現法を考案した。 この実現は、表面符号の事前の対計測に基づく実現よりも大きな優位性を得る。
  論文  参考訳（メタデータ） (2023-10-19T17:59:55Z)
• Skip-Plan: Procedure Planning in Instructional Videos via Condensed Action Space Learning [85.84504287685884]
  Skip-Plan(スキップ・プラン)は、訓練ビデオにおけるプロシージャ計画のための凝縮された行動空間学習法である。 アクションチェーン内の不確実なノードやエッジをスキップすることで、長いシーケンス関数と複雑なシーケンス関数を短いが信頼できるものに転送する。 我々のモデルは、凝縮された作用空間内のアクションシーケンス内で、あらゆる種類の信頼できる部分関係を探索する。
  論文  参考訳（メタデータ） (2023-10-01T08:02:33Z)
• $\texttt{FedBC}$: Calibrating Global and Local Models via Federated Learning Beyond Consensus [66.62731854746856]
  フェデレートラーニング(FL)では、デバイス全体にわたるモデル更新の集約を通じて、グローバルモデルを協調的に学習する目的は、ローカル情報を通じたパーソナライズという目標に反対する傾向にある。 本研究では,このトレードオフを多基準最適化により定量的にキャリブレーションする。 私たちは、$texttFedBC$が、スイートデータセット間でグローバルおよびローカルモデルのテスト精度のメトリクスのバランスをとることを実証しています。
  論文  参考訳（メタデータ） (2022-06-22T02:42:04Z)
• Balancing Rates and Variance via Adaptive Batch-Size for Stochastic Optimization Problems [120.21685755278509]
  本研究は,ステップサイズの減衰が正確な収束に必要であるという事実と,一定のステップサイズがエラーまでの時間でより速く学習するという事実のバランスをとることを目的とする。 ステップサイズのミニバッチを最初から修正するのではなく,パラメータを適応的に進化させることを提案する。
  論文  参考訳（メタデータ） (2020-07-02T16:02:02Z)

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。