論文の概要: Actuator-Aware Inverse Kinematics with Joint-Limit Admissibility for Torque-Controlled Redundant Robots

• arxiv url: http://arxiv.org/abs/2605.31436v1
• Date: Fri, 29 May 2026 15:33:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-01 20:56:50.702801
• Title: Actuator-Aware Inverse Kinematics with Joint-Limit Admissibility for Torque-Controlled Redundant Robots
• Title（参考訳）: トルク制御冗長ロボットの関節リミット適応性を考慮したアクチュエータ対応逆運動学
• Abstract要約: 本稿では、トルク制御された冗長ロボットのためのアクチュエータ対応逆運動学を提案する。 小さな命令されたタスク残余は、必ずしも実現された動作を改善するとは限らない。 仮想分解制御された7自由度上肢エクソスケルトンの実験は、この手法を標準的な逆運動的基底線と比較する。
• 参考スコア（独自算出の注目度）: 3.568466510804539
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper proposes actuator-aware inverse kinematics for torque-controlled redundant robots under joint-limit constraints. In the considered architecture, the inverse-kinematic output is not merely a purely kinematic joint-velocity command; it is the required joint velocity supplied to a downstream torque-level controller. Therefore, a small commanded task residual may not necessarily improve realized motion. The proposed method formulates a convex quadratic programming problem whose decision variable is the joint-level required velocity. Control barrier function style bounds impose reference-level joint-limit admissibility, while the task equation is handled through a penalized slack variable. Redundancy is resolved using a controller-compatibility objective that accounts for previous-command consistency and actuator torque-capacity weighting. The method is independent of the particular torque-level controller and can serve as an intermediate IK layer between an endpoint trajectory and a redundant robot controller. Experiments on a virtual-decomposition-controlled seven-degree-of-freedom upper-limb exoskeleton compare the method with standard inverse-kinematic baselines and a constrained task-preserving quadratic programming baseline. The results indicate lower limit-pushing commands, bounded admissible required velocities, and improved realized task behavior in the tested trajectory, without modifying the downstream controller.
• Abstract（参考訳）: 本稿では、トルク制御された冗長ロボットの関節限界制約下でのアクチュエータ対応逆運動学を提案する。 検討されたアーキテクチャでは、逆動動出力は単に純粋にキネマティックな関節速度コマンドではなく、下流のトルクレベルコントローラに必要とされる関節速度である。 したがって、小さな命令されたタスク残余は、実現された動きを必ずしも改善するとは限らない。 提案手法は,決定変数が結合レベル要求速度である凸二次計画問題を定式化する。 制御バリア関数スタイルのバウンダリは基準レベルのジョイントリミット許容を課し、タスク方程式はペナル化スラック変数によって処理される。 冗長性は、以前のコマンドの一貫性とアクチュエータトルク容量重み付けを考慮に入れたコントローラ互換性の目標を用いて解決される。 この方法は、特定のトルクレベルコントローラとは独立しており、エンドポイント軌道と冗長ロボットコントローラとの間の中間IK層として機能することができる。 仮想分解制御された7自由度上肢エクソスケルトンの実験は、この手法を標準的な逆運動的ベースラインと制約付きタスク保存2次プログラミングベースラインと比較した。 その結果、ダウンストリームコントローラを変更することなく、低いリミットプッシングコマンド、有界許容要求速度、テスト軌道における実行時のタスク動作が改善された。

関連論文リスト

• Residual Deep Reinforcement Learning-Based Computed Torque Control for a Cable-Driven Lower-Limb Rehabilitation Robot under Disturbances and Parametric Uncertainties [0.0]
  本研究は, 残留深部強化学習型計算トルク制御フレームワークを提案する。 これは、名目上、不確実性、乱れ、組み合わせ、一般化条件下でのシミュレーションで評価される。 解釈可能なモデルベースコマンド構造を維持しながら、計算トルク制御に対する追従及び外乱拒否を改善する。
  論文  参考訳（メタデータ） (2026-08-27T07:29:50Z)
• Nonlinear Model Predictive Control via Sequential Convex Programming for Drone-to-Drone Docking [0.0]
  本研究は, ドッキングタスクを外乱状態が拡張された低次非線形モデルに基づいて, 有限水平最適制御問題として定式化する。 その結果, 動的に実現可能なドッキング軌道を生成するために, 後退水平フレームワーク内での逐次凸プログラミングを用いて問題を解く。
  論文  参考訳（メタデータ） (2026-08-11T06:27:45Z)
• 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 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)
• 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)
• DA-PTQ: Drift-Aware Post-Training Quantization for Efficient Vision-Language-Action Models [61.26694413585136]
  DA-PTQ (Drift-Aware Post-Training Quantization) は、逐次決定過程に対するドリフト-アウェア最適化問題として量子化を定式化する。 DA-PTQはキネマティックドリフトを著しく低減し、低ビット設定下での完全精度モデルに匹敵する性能を達成する。
  論文  参考訳（メタデータ） (2026-04-13T14:51:43Z)
• Control Lyapunov Functions for Underactuated Soft Robots [1.2891210250935148]
  本稿では,非作動型ソフトロボットのタスク空間制御と追跡のための汎用的な制御フレームワークを提案する。 この方法は、凸不等式制約としてラプノフ関数を急速に安定化させる。 その結果,入力限界下でのタスク空間精度と一貫したリアプノフ収束が向上した。
  論文  参考訳（メタデータ） (2026-03-05T19:50:22Z)
• Safe Whole-Body Loco-Manipulation via Combined Model and Learning-based Control [46.47619556874003]
  そこで本研究では,マニピュレータアームのモデルベースアプタンス制御と足歩行の強化学習ポリシを組み合わせた全身制御を提案する。 アクセタンスコントローラは、物理的相互作用中に人間によって適用されるような外部レンチを、望ましいエンドエフェクタ速度にマッピングし、従順な振る舞いを可能にする。 6-DoFアームと手首に装着した6-DoF Force/Torqueセンサーを備えたUnitree Go2四足歩行ロボットを用いて,シミュレーションとハードウェアの両方におけるアプローチを検証する。
  論文  参考訳（メタデータ） (2026-03-02T22:31:12Z)
• Mind the Gap: Learning Implicit Impedance in Visuomotor Policies via Intent-Execution Mismatch [7.078279704479455]
  本稿では,学習目標を「インテント・クローン(マスター・コマンド)」にシフトさせるデュアルステート・コンディショニング・フレームワークを提案する。 マスター意図を予測することによって、我々の政策は「仮想平衡点」を生成することを学び、暗黙のインピーダンス制御を効果的に実現した。 これは、低コストハードウェアのための最小限の動作クローニングフレームワークを示し、明示的な力センシングに頼ることなく、力知覚と動的補償を可能にする。
  論文  参考訳（メタデータ） (2026-02-09T15:18:12Z)
• Verifying Closed-Loop Contractivity of Learning-Based Controllers via Partitioning [52.23804865017831]
  本稿では,ニューラルネットワークによるパラメータ化を行う非線形制御系における閉ループ収縮の検証問題に対処する。 我々は、対称メッツラー行列の優越的固有値が非正であることを確かめるために、閉ループの縮約性に対するトラクタブルでスケーラブルな十分条件を導出する。
  論文  参考訳（メタデータ） (2025-12-01T23:06:56Z)
• Integrating DeepRL with Robust Low-Level Control in Robotic Manipulators for Non-Repetitive Reaching Tasks [0.24578723416255746]
  ロボット工学では、現代の戦略は学習に基づくもので、複雑なブラックボックスの性質と解釈可能性の欠如が特徴である。 本稿では, 深部強化学習(DRL)に基づく衝突のない軌道プランナと, 自動調整型低レベル制御戦略を統合することを提案する。
  論文  参考訳（メタデータ） (2024-02-04T15:54:03Z)
• Online Body Schema Adaptation through Cost-Sensitive Active Learning [63.84207660737483]
  この作業は、icubロボットシミュレータの7dofアームを使用して、シミュレーション環境で実行された。 コストに敏感な能動学習手法は最適な関節構成を選択するために用いられる。 その結果,コスト依存型能動学習は標準的な能動学習手法と同等の精度を示し,実行運動の約半分を減らした。
  論文  参考訳（メタデータ） (2021-01-26T16:01:02Z)
• First Steps: Latent-Space Control with Semantic Constraints for Quadruped Locomotion [73.37945453998134]
  従来の四重化制御のアプローチでは、単純化された手作りのモデルが採用されている。 これにより、有効な運動範囲が縮小されているため、ロボットの能力が大幅に低下する。 この研究において、これらの課題は、構造化潜在空間における最適化として四重化制御をフレーミングすることによって解決される。 深い生成モデルは、実現可能な関節構成の統計的表現を捉え、一方、複雑な動的および終端的制約は高レベルな意味的指標によって表現される。 実世界とシミュレーションの両方で最適化された移動軌跡の実現可能性を検証する。
  論文  参考訳（メタデータ） (2020-07-03T07:04:18Z)

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。