論文の概要: Surface Constraint Policy for Learning Surface-Constrained and Dynamically Feasible Robot Skills

• arxiv url: http://arxiv.org/abs/2605.31321v1
• Date: Fri, 29 May 2026 13:54:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-01 20:56:50.650904
• Title: Surface Constraint Policy for Learning Surface-Constrained and Dynamically Feasible Robot Skills
• Title（参考訳）: 表面拘束・動的に実現可能なロボットスキルの学習のための表面拘束政策
• Abstract要約: 拡散に基づく模倣手法は、ロボットの巧妙な操作タスクの急速な進歩を促している。 自由曲面制約を満たすロボット動作を生成するための新しい表面制約ポリシーを提案する。 実験の結果,表面制約下でのタスク成功率と接触安定性が良好であった。
• 参考スコア（独自算出の注目度）: 6.038943291323218
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Diffusion-based imitation learning methods have driven rapid progress in robot dexterous manipulation tasks. However, they have limitations when applied to tasks that involve complex free-form surface constraints because of their lack of explicit surface geometry constraint modeling and the dynamic feasibility issue, resulting in stochastic action generation that fails to achieve reliable surface alignment and maintain stable contact. To address these limitations, we propose a novel surface constraint policy (SCP) for generating robot actions that satisfy free-form surface constraints on the basis of human demonstrations and real-time visual observations. First, the surface geometry constraint is encoded using a two-dimensional weighted Gaussian kernel function that is derived from demonstrations. Building on the encoded surface geometry constraints, the diffusion-based policy is used to infer task-level action intentions from multimodal sensory inputs, including visual observations and robot state feedback. These intentions are further transformed into surface-constrained dynamic movement primitives (DMPs) through a similarity-based action mapping method, thereby enabling smooth and compliant motion execution. The SCP achieves generation of structured surface geometric intent and dynamically admissible actions. The proposed method is validated on multiple surface manipulation tasks and compared with existing techniques. The experimental results demonstrate superior task success rates and contact stability under surface constraints.
• Abstract（参考訳）: 拡散に基づく模倣学習手法は、ロボットの巧妙な操作タスクの急速な進歩を促している。 しかし、表面幾何制約モデリングの欠如と動的実現可能性の問題により、複雑な自由曲面制約を含むタスクに適用した場合に制限があるため、信頼性の高い表面アライメントを達成できず、安定した接触を維持することができない確率的アクション生成が生じる。 これらの制約に対処するために,人間の実演とリアルタイム視覚観測に基づいて自由曲面制約を満たすロボット動作を生成するための新しい表面制約ポリシー(SCP)を提案する。 まず、表面幾何制約は実演から導かれる二次元重み付きガウス核関数を用いて符号化される。 符号化された表面形状制約に基づいて、拡散ベースのポリシーは、視覚的な観察やロボットの状態フィードバックを含む多モード感覚入力からタスクレベルの動作意図を推論するために使用される。 これらの意図は、類似性に基づくアクションマッピング法により、さらに表面制約された動的運動プリミティブ(DMP)に変換される。 SCPは、構造化された表面幾何学的意図と動的許容作用を生成する。 提案手法は,複数面操作タスクに対して検証し,既存の手法と比較する。 実験の結果,表面制約下でのタスク成功率と接触安定性が良好であった。

関連論文リスト

• ErgoSurf: Ergodic Control for the Coverage of Unknown Surfaces [10.42763227391628]
  接触中心のタスクでは、安定した接触を維持しながら、ロボットが表面を体系的に覆う必要がある。 従来のエルゴード制御法は、表面幾何学の事前の知識に依存するか、事前に幾何学をスキャンするために視覚感覚入力を必要とする。 本稿では,未知の表面形状を同時に再構築しながら,体系的な表面被覆を実現する新しいオンラインエルゴディック制御フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-08-06T16:01:21Z)
• A Task-Space Receding Horizon Controller for Fast Collision Avoidance [0.08594140167290099]
  ロボットマニピュレータのリアルタイム衝突回避には、予期せぬ障害物運動に対する迅速な反応が必要である。 完全なモデル予測制御は、この展望を提供することができるが、オンラインコストは、水平線長、モデル忠実度、アクティブな幾何学的制約の数とともに急速に増大する可能性がある。 本稿では, 短時間の接触一貫性を持つロールアウトを用いて, 終端キネマティック参照を生成するタスクスペースリテーディング・ホライゾンコントローラを提案する。
  論文  参考訳（メタデータ） (2026-07-17T08:13:12Z)
• Learning Transferable Motor Skills for Geometry-Aware Robotic Surface Tasks [3.0714301039424776]
  スプレー塗装や溶接のようなロボットの表面相互作用タスクは、正確な幾何学的計画と正確な動きの実行の両方を必要とする。 本稿では,幾何運動計画と実行レベルの専門知識を分離するモジュラーフレームワークを提案する。 我々は、運動軌道データとCADモデル幾何からルールパラメータを共同で推論するために、マルチモーダルニューラルネットワークを訓練する。
  論文  参考訳（メタデータ） (2026-05-24T05:49:33Z)
• STABLE: Simulation-Ready Tabletop Layout Generation via a Semantics-Physics Dual System [76.3920413336862]
  シミュレーション可能なテーブルトップシーン生成に適したセマンティックスと物理の二重システムであるSTABLEを提案する。 STABLEはセマンティック共振器と物理共振器の2つの相補的なモジュールで構成されている。 実験により、STABLEはタスク命令に厳密に準拠するシミュレーション可能なテーブルトップシーンを生成することができた。
  論文  参考訳（メタデータ） (2026-05-15T16:18:42Z)
• Learning Smooth and Robust Space Robotic Manipulation of Dynamic Target via Inter-frame Correlation [12.529803316934176]
  微小重力環境では、物体は通常自由浮遊であり、地球上で見られる支持や摩擦の制約が欠如している。 本稿では、歴史的時間的情報とフレーム間相関機構を統合したデータ駆動型宇宙ロボット操作手法を提案する。
  論文  参考訳（メタデータ） (2026-03-29T06:27:30Z)
• RL-Based Coverage Path Planning for Deformable Objects on 3D Surfaces [32.12472154789291]
  我々は,曲面ワイピングタスクのための変形可能な物体を操作するため,シミュレータ内の強化学習エージェントを訓練する。 本研究では,高調波UVマッピング,2次元特徴写像上のシミュレータからのプロセス接触フィードバック,スケールド・グループ・コンボリューション(SGCNN)を用いて,物体表面の状態表現を単純化し,特徴を効率的に抽出する。 実験により,本手法は,経路距離や被覆面積など,従来の手法よりも優れた性能を示すことが示された。
  論文  参考訳（メタデータ） (2026-03-03T16:16:06Z)
• 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)
• Graph neural networks for learning liquid simulations in dynamic scenes containing kinematic objects [5.185131234265025]
  剛体相互作用下での液体の力学を学習するためのグラフニューラルネットワークに基づくフレームワークを提案する。 本モデルでは,動的条件下での流体挙動を正確に把握し,静的な自由落下環境におけるシミュレータとしても機能する。 そこで本研究では、勾配に基づく最適化手法を用いて、学習されたダイナミクスを利用して制御と操作のタスクを解くことができることを示す。
  論文  参考訳（メタデータ） (2025-09-03T16:13:52Z)
• Dynamic Manipulation of Deformable Objects in 3D: Simulation, Benchmark and Learning Strategy [88.8665000676562]
  従来の手法は、しばしば問題を低速または2D設定に単純化し、現実の3Dタスクに適用性を制限する。 データ不足を軽減するため、新しいシミュレーションフレームワークと、低次ダイナミクスに基づくベンチマークを導入する。 本研究では,シミュレーション前トレーニングと物理インフォームドテスト時間適応を統合するフレームワークであるDynamics Informed Diffusion Policy (DIDP)を提案する。
  論文  参考訳（メタデータ） (2025-05-23T03:28:25Z)
• TamedPUMA: safe and stable imitation learning with geometric fabrics [14.885339698387991]
  イミテーション学習(IL)は、目標収束を伴うロボットに安定したタスク空間の動きを教えるための直感的で効果的な方法を提供する。 本研究では,この課題を,幾何学的ファブリックと呼ばれる動き生成の最近の発展にともなうILアルゴリズムであるTyodPUMAを用いて解決する。 その結果、衝突回避や関節リミットといった幾何学的制約をシームレスにブレンドできる安定した模倣学習戦略が得られた。
  論文  参考訳（メタデータ） (2025-03-21T13:13:17Z)
• Unified Task and Motion Planning using Object-centric Abstractions of Motion Constraints [56.283944756315066]
  本稿では,タスクとモーションプランニングを一つの検索に統一するTAMP手法を提案する。 我々のアプローチは、オフザシェルフAIサーチの計算効率を活用して、物理的に実現可能な計画が得られるような、オブジェクト中心の動作制約の抽象化に基づいている。
  論文  参考訳（メタデータ） (2023-12-29T14:00:20Z)
• 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)
• 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。