論文の概要: Simultaneous Contact Selection and Planning for Contact-Rich Manipulation with Cascaded Optimization

• arxiv url: http://arxiv.org/abs/2605.27972v1
• Date: Wed, 27 May 2026 05:07:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-28 17:38:55.761746
• Title: Simultaneous Contact Selection and Planning for Contact-Rich Manipulation with Cascaded Optimization
• Title（参考訳）: カスケード最適化によるコンタクトリッチ操作の同時選択と計画
• Authors: Zhe Zhang, Xingrong Diao, Haoxiang Liang, Han Yang, Bi-Ke Zhu, Dandan Zhang, Jiankun Wang,
• Abstract要約: 本稿では、接触リッチな操作を堅牢にするための最適化ベースのフレームワークを提案する。 接触ダイナミクスとスパース勾配の相補性のため、アクティブな接触位置選択は困難である。 同時接触選択とプランニングは,不正確な力学と知覚ノイズの下で多様な操作行動と頑健な制御をもたらすことを示す。
• 参考スコア（独自算出の注目度）: 13.62351324931659
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We propose an optimization-based framework for robust contact-rich manipulation. Recent contact-implicit methods enable online hybrid planning across contact modes, allowing closed-loop manipulation for a given target state and contact location sequence of the robot and object. However, most existing approaches lack the ability to autonomously reason and generate diverse contact location sequences and manipulation trajectories, i.e., active contact location selection, which limits their applicability to relatively simple tasks. Active contact location selection is challenging due to complementarity in contact dynamics and the sparse gradients, making the design of a unified framework for contact selection and planning difficult. To address these challenges, we introduce Simultaneous Contact Selection and Planning (SCSP), a cascaded optimization framework comprising Contact Selection Optimization (CSO) and Contact Planning Optimization (CPO). CSO leverages a surrogate contact model and discrete-continuous optimization to efficiently resolve the nonsmoothness and coupling in contact selection, enabling online global searching of optimal contact locations. CPO performs prior-guided contact planning by evaluating the reference contact locations produced by CSO and generating corresponding manipulation trajectories in real time for redundant manipulators. Extensive simulations and real-world experiments demonstrate that SCSP produces diverse manipulation behaviors and robust control under inaccurate dynamics and perceptual noise. We further validate the generalization of the framework on challenging manipulation tasks. Project website: \href{https://sites.google.com/view/scsp-robot}{https://sites.google.com/view/scsp-robot}.
• Abstract（参考訳）: 本稿では、接触リッチな操作を堅牢にするための最適化ベースのフレームワークを提案する。 近年のコンタクト・インシシシット法では,接触モード間のオンラインハイブリッド計画が可能であり,ロボットと物体の接触位置シーケンスと目標状態のクローズドループ操作が可能である。 しかしながら、既存のほとんどのアプローチは、自律的に推論し、多様な接触位置シーケンスを生成し、軌道を操作する能力、すなわち、比較的単純なタスクに適用性を制限するアクティブな接触位置選択を欠いている。 接触動態と疎勾配の相補性により, 接触位置選択は困難であり, 接触選択と計画のための統一的な枠組みの設計が困難である。 これらの課題に対処するために,接触選択最適化(CSO)と接触計画最適化(CPO)を組み合わせたケースド最適化フレームワークであるSCSPを導入する。 CSOは、代理接点モデルと離散連続最適化を利用して、接触選択における非滑らかさとカップリングを効率的に解決し、最適接点のオンライングローバル検索を可能にする。 CPOは、CSOによって生成された基準接触位置を評価し、冗長マニピュレータに対する対応する操作軌跡をリアルタイムで生成することにより、予め誘導された接触計画を実行する。 広範囲なシミュレーションと実世界の実験により、SCSPは不正確な力学と知覚ノイズの下で様々な操作行動と頑健な制御を発生させることを示した。 さらに,課題のある操作タスクにおけるフレームワークの一般化を検証した。 プロジェクトウェブサイト: \href{https://sites.google.com/view/scsp-robot}{https://sites.google.com/view/scsp-robot}

関連論文リスト

• CoCo-InEKF: State Estimation with Learned Contact Covariances in Dynamic, Contact-Rich Scenarios [10.290787487255301]
  CoCo-InEKFは、二元接触状態の代わりに連続接触速度共分散を利用する微分不変な拡張カルマンフィルタである。 我々は、接触候補点を予測するために状態エラー損失を用いて、エンドツーエンドで訓練された軽量ニューラルネットワークを用いる。 二足歩行ロボットの実験は、線形速度推定に優れた精度・効率のトレードオフを示す。
  論文  参考訳（メタデータ） (2026-05-14T17:35:06Z)
• IMPACT: An Implicit Active-Set Augmented Lagrangian for Fast Contact-Implicit Trajectory Optimization [10.186515371403772]
  我々は,MPCCベースのCITOを定常性保証付きで解くための,CITOへの拡張ラグランジアンアプローチを開発した。 トラジェクトリ最適化ワークロードに適した効率的なC++実装を提供し、オープンソースCITOおよびCI-MPCベンチマークで評価する。
  論文  参考訳（メタデータ） (2026-05-09T19:19:05Z)
• 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)
• Unified Complementarity-Based Contact Modeling and Planning for Soft Robots [13.597188299981312]
  本稿では,ソフトロボット接触モデリングと計画のための統合補完性に基づくフレームワークを提案する。 我々は,識別ソフトロボットに適した頑健な線形補完性問題 (LCP) モデルを開発した。 また,接触による動的軌道最適化を可能にする,キネマティック・ガイド付きウォームスタート戦略を導入する。
  論文  参考訳（メタデータ） (2026-02-24T19:37:36Z)
• Where to Touch, How to Contact: Hierarchical RL-MPC Framework for Geometry-Aware Long-Horizon Dexterous Manipulation [15.309183490293721]
  接触リッチな外接操作における重要な課題は、幾何学、運動論的制約、複雑で非滑らかな接触力学を共同で推論する必要があることである。 本稿では,高レベル強化学習(RL)政策が接触意図を予測する階層的なRL--MPCフレームワークを提案する。 我々は、幾何学的一般化されたプッシュやオブジェクト3D再構成を含む、非包括的タスクに関するフレームワークを評価する。
  論文  参考訳（メタデータ） (2026-01-16T01:20:15Z)
• Hierarchical Contact-Rich Trajectory Optimization for Multi-Modal Manipulation using Tight Convex Relaxations [12.578064173652148]
  本稿では,ロボット,オブジェクト,コンタクトの軌跡を効率的に設計し,コンタクトリッチな操作を行うための新しい枠組みを提案する。 本研究では,Mixed-Integer Linear Program (MILP) がロボットとオブジェクト間の最適な接触を選択する階層的最適化フレームワークを提案する。 我々は,MILPがより厳密な解を提供できるようなバイナリ符号化技術を用いて,双線形制約の凸緩和を提案する。
  論文  参考訳（メタデータ） (2025-03-11T01:40:23Z)
• Collaborative Ground-Space Communications via Evolutionary Multi-objective Deep Reinforcement Learning [113.48727062141764]
  地中直接通信を実現するために,分散コラボレーティブビームフォーミング(DCB)に基づくアップリンク通信パラダイムを提案する。 DCBは、低軌道(LEO)衛星と効率的な直接接続を確立することができない端末を分散アンテナとして扱う。 本稿では,進化的多目的深層強化学習アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-04-11T03:13:02Z)
• 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)
• Contact Points Discovery for Soft-Body Manipulations with Differentiable Physics [99.86385468927638]
  本稿では,ソフトボディのプラスチックを変形させる物理解法を導出する接触点探索手法(CPDeform)を提案する。 単一段階のタスクでは,移動優先度に基づいて適切な初期接触点を自動的に見つけることができる。 複雑なマルチステージタスクでは、トランスポート優先に基づいて、エンドエフェクタの接触点を反復的に切り替えることができる。
  論文  参考訳（メタデータ） (2022-05-05T17:59:41Z)
• COCOI: Contact-aware Online Context Inference for Generalizable Non-planar Pushing [87.7257446869134]
  一般的なコンタクトリッチな操作問題は、ロボット工学における長年の課題である。 深層強化学習は、ロボット操作タスクの解決に大きな可能性を示している。 動的プロパティのコンテキスト埋め込みをオンラインにエンコードする深層RL法であるCOCOIを提案する。
  論文  参考訳（メタデータ） (2020-11-23T08:20:21Z)

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。