論文の概要: Multi-Robot Box Transport over Different Surfaces with Decentralized Role-based Proportional Control
- arxiv url: http://arxiv.org/abs/2605.26430v1
- Date: Tue, 26 May 2026 01:31:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-27 17:51:41.562239
- Title: Multi-Robot Box Transport over Different Surfaces with Decentralized Role-based Proportional Control
- Title（参考訳）: 分散型ロールベース比例制御による異なる表面上のマルチロボットボックス輸送
- Authors: Aditya Bhatt, Himavarshini Yarragangu, Urvish Shah, Venkata Sai Yaswanth Mohan Thota, Souma Chowdhury,
- Abstract要約: 複数のロボットによって推進される物体の協調輸送には、建設や倉庫環境から災害廃棄物のクリーンアップの投稿まで、多くの応用がある。
本稿では, 平地, 上り坂, 下り坂の四角形箱を輸送するための非同期分散タスクと動作計画手法を提案する。
R2P2はNVIDIA IsaacSimを使って構築されたシミュレータにデプロイされた6ボットチームで評価されている。
- 参考スコア（独自算出の注目度）: 3.3531065379720624
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Collaborative transport of objects via pushing by multiple robots has many applications, ranging from construction and warehouse environments to post disaster debris clean-up. Achieving collaborative transport over surfaces with different inclination and friction properties however poses unique challenges. To address these challenges, this paper presents an asynchronous decentralized task and motion planning approach for transporting rectangular boxes of varying mass over flat, uphill and downhill terrain. Such a decentralized approach alleviates communication, synchronization and consensus needs and mitigates single point of failure issues. Our approach, called R2P2 or Roles with Rules and Proportional-control Primitive, assigns roles (e.g., push, support and prevent) to robots based on rules cognizant of the mode of manipulation needed (box rotation vs translation); this is followed by either rule-based control or proportional control of robot velocity based on the roles. Each robot is assumed to observe the location and heading of self and the box in executing the role and controls. R2P2 is evaluated with a six-robot team deployed in a simulator built using NVIDIA IsaacSim -- demonstrating generalizability across different surface friction/inclination and box mass scenarios, and better success rate compared to a standard virtual-leader-follower method. R2P2 is also successfully validated with a physical experiment, where it is executed onboard four turtlebots tasked with moving a 1.2 kg box.
- Abstract（参考訳）: 複数のロボットによって推進される物体の協調輸送には、建設や倉庫環境から災害廃棄物のクリーンアップの投稿まで、多くの応用がある。
しかし、異なる傾斜と摩擦特性を持つ表面上での協調輸送を達成することは、固有の課題を生じさせる。
これらの課題に対処するため, 平地, 上り坂, 下り坂の四角形箱を輸送するための非同期分散タスクと運動計画手法を提案する。
このような分散化されたアプローチは、通信、同期、コンセンサスのニーズを緩和し、単一障害点を緩和します。
我々のアプローチはR2P2(Roles with Rules and Proportional-control Primitive)と呼ばれ、必要な操作モード(ボックス回転と翻訳)を認識したルールに基づいてロボットに役割(例えば、プッシュ、サポート、防止)を割り当てます。
各ロボットは、役割と制御を実行する際に、自己とボックスの位置と方向を観察することが想定される。
R2P2はNVIDIA IsaacSimを使って構築されたシミュレータにデプロイされた6ボットチームで評価されている。
R2P2は物理実験で検証され、1.2kgの箱を動かす4つのタートルボット上で実行される。
関連論文リスト
- Sliding Mode Control for Safe Trajectory Tracking with Moving Obstacles Avoidance: Experimental Validation on Planar Robots [1.7044368816068716]
本稿では,ロバストな軌道追跡と移動障害物回避のための統合制御フレームワークを提案する。
提案アーキテクチャは,衝突回避制約を厳格に実施しつつ,外乱の有無の追跡を保証している。
このアプローチの有効性と汎用性は、数値シミュレーションと広範囲な実世界の実験によって検証される。
論文 参考訳（メタデータ） (2026-04-27T14:20:10Z) - 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) - Towards Multi-Object Nonprehensile Transportation via Shared Teleoperation: A Framework Based on Virtual Object Model Predictive Control [10.537871858773375]
遠隔操作における多目的非包括輸送は、同時軌道追跡とトレイ配向制御を必要とする。
本研究では,人間とロボットが位置決め制御を共有し,ロボットが動的制約を満たすために自律的に向きを管理する,共有遠隔操作フレームワークを提案する。
論文 参考訳（メタデータ） (2026-04-08T10:43:34Z) - Learning Multi-Agent Local Collision-Avoidance for Collaborative Carrying tasks with Coupled Quadrupedal Robots [6.448258402568988]
本研究は、搬送対象物に機械的に接続された2つの四足歩行ロボットに焦点を当てる。
本稿では,近くの障害物との衝突を回避しつつ,命令された速度方向の追跡を可能にする強化学習に基づくポリシーを提案する。
球状接合によりバーに接続された2つの四足歩行ロボットに対するアプローチを検証し,最適化ベースおよび分散RLベースラインに対してベンチマークを行った。
論文 参考訳（メタデータ） (2026-03-24T14:42:20Z) - HAIC: Humanoid Agile Object Interaction Control via Dynamics-Aware World Model [56.4392302336014]
本稿では,外部状態推定を伴わない多種多様なオブジェクトダイナミクス間のロバストな相互作用のためのフレームワークであるHAICを提案する。
我々の重要な貢献は、主観的歴史のみから高次対象状態(速度、加速度)を推定するダイナミクス予測器である。
ヒューマノイドロボットの実験では、HAICはアジャイルタスクで高い成功率を達成する。
論文 参考訳（メタデータ） (2026-02-12T09:34:35Z) - Learning Decentralized Multi-Biped Control for Payload Transport [15.317089841584012]
我々は、車輪をキャリヤに取り付けられた複数の二足歩行ロボットに置き換える多足歩行ロボットキャリアについて検討する。
私たちの主な貢献は、このようなシステムのための分散コントローラの設計です。
実世界への移動を支援するシミュレーションにおいて,制御器を訓練するための強化学習手法を提案する。
論文 参考訳（メタデータ） (2024-06-25T05:08:44Z) - Reinforcement Learning for Versatile, Dynamic, and Robust Bipedal Locomotion Control [106.32794844077534]
本稿では,二足歩行ロボットのための動的移動制御系を構築するために,深層強化学習を用いた研究について述べる。
本研究では、周期歩行やランニングから周期ジャンプや立位に至るまで、様々な動的二足歩行技術に使用できる汎用的な制御ソリューションを開発する。
この研究は、二足歩行ロボットの俊敏性の限界を、現実世界での広範な実験を通じて押し上げる。
論文 参考訳（メタデータ） (2024-01-30T10:48:43Z) - 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) - ReLMoGen: Leveraging Motion Generation in Reinforcement Learning for
Mobile Manipulation [99.2543521972137]
ReLMoGenは、サブゴールを予測するための学習されたポリシーと、これらのサブゴールに到達するために必要な動作を計画し実行するためのモーションジェネレータを組み合わせたフレームワークである。
本手法は,フォトリアリスティック・シミュレーション環境における7つのロボットタスクの多種多様なセットをベンチマークする。
ReLMoGenは、テスト時に異なるモーションジェネレータ間で顕著な転送可能性を示し、実際のロボットに転送する大きな可能性を示している。
論文 参考訳（メタデータ） (2020-08-18T08:05:15Z)
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。