論文の概要: A New Quaternion-Joint Cable-Driven Redundant Manipulator Configuration and its Control Through FABRIK and Residual Reinforcement Learning
- arxiv url: http://arxiv.org/abs/2606.05236v1
- Date: Wed, 03 Jun 2026 03:33:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-05 22:39:44.268849
- Title: A New Quaternion-Joint Cable-Driven Redundant Manipulator Configuration and its Control Through FABRIK and Residual Reinforcement Learning
- Title（参考訳）: 四元接続型ケーブル駆動冗長マニピュレータの構成とFABRIKと残留強化学習による制御
- Authors: Tanapath Pornthisan, Thanapat Kemthong, Thanyapisit Kangsathien, Pasut Aranchaiya, Paulo Garcia, Viboon Sangveraphunsiri,
- Abstract要約: 四元同員は、以前の能力を超えて、ロボットアームのクラスに権限を与えている。
4分割8接合マニピュレータは,既存の構成よりも広い作業空間を実現できることを示す。
その結果, この構成は従来の設計よりもワークスペース効率が高いことがわかった。
- 参考スコア（独自算出の注目度）: 0.6157382820537719
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Robotic arms capable of traversing arbitrary spatial paths, especially in highly obstructed workspaces, are highly desired across several industries. Quaternion-joints have recently empowered a specific class of robotic arms -- cable-driven redundant manipulators -- beyond its prior capabilities. Specifically, quaternion-joints reduce the number of required motors per degree of freedom, paving the way for more compact solutions.An ongoing challenge is that the complexity of the kinematic model of quaternion joints challenges a priori decisions on manipulator configurations and imposes higher computational demands on the control system and its non-linearities amplify all discrepancies between design and physical artifact arising from fabrication imprecision. Here we show a that a 4-segment, 8-joint manipulator can achieve a broader workspace than extant configurations, at lower hardware cost, and that Residual Reinforcement Learning outperforms extant state-of-the-art methods -- specifically, the FABRIK algorithm -- on the control of such manipulator. Our results show that this configuration is more workspace-effective than prior designs, and that Residual Reinforcement Learning outperforms FABRIK by three orders of magnitude on positional and orientational accuracy, effecting precise control of the novel 4-segment, 8-joint manipulator. Additionally, the control implementation is simpler: we describe the complete FABRIK process for control and corresponding learning implementation. Our methodology is applicable to the design of new systems, providing designers with further tools for the development of this class of manipulators and corresponding control systems for novel configurations.
- Abstract（参考訳）: ロボットアームは、特に高度に閉塞された作業空間において、任意の空間を横断することのできるものであり、いくつかの産業で非常に望まれている。
四元同員は最近、ケーブル駆動の冗長マニピュレータ(冗長マニピュレータ)という特定の種類のロボットアームを、以前の能力以上に強化した。
特に、四元関節は、自由度当たりの必要なモータの数を減らし、よりコンパクトな解の道を開いたが、現在進行中の課題は、四元関節のキネマティックモデルの複雑さは、マニピュレータの構成に関する優先順位決定に挑戦し、制御系に対する高い計算要求を課し、その非線形性は、製造不正確性から生じる設計と物理的アーティファクトのすべての相違を増幅する。
ここでは,4セグメント8接合マニピュレータが,既存の構成よりも広い作業空間をハードウェアコストで実現し,残留強化学習が既存の最先端手法,具体的にはFABRIKアルゴリズムよりも優れた性能を発揮することを示す。
この構成は, 従来の設計よりも作業空間効率が良く, 残留強化学習はFABRIKを3桁の精度で性能を向上し, 新規な4分割8関節マニピュレータの精密制御に影響を及ぼすことを示した。
さらに、制御実装はより簡単で、制御とそれに対応する学習実装のための完全なFABRIKプロセスを記述する。
提案手法は,新しいシステムの設計に適用可能であり,設計者に対して,この種類のマニピュレータの開発のためのさらなるツールと,新しい構成のための対応する制御システムを提供する。
関連論文リスト
- 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) - ACLM: ADMM-Based Distributed Model Predictive Control for Collaborative Loco-Manipulation [9.708461585583791]
重荷のロコ操作による共同輸送は、脚のあるロボットにとって難しいが必須の能力である。
本研究は,ロコマニピュレーションのための分散モデル予測制御フレームワークであるマルチプライアの交互方向法を提案する。
論文 参考訳（メタデータ） (2026-03-07T08:06:51Z) - Learning Agile and Robust Omnidirectional Aerial Motion on Overactuated Tiltable-Quadrotors [15.511018281264674]
本研究は, 過動型傾斜四角形における全方向空中運動制御のための強化学習について検討する。
本稿では,目標ポーズに到達するための協調ロータ接合動作の効率的な獲得を可能にする学習ベース制御フレームワークを提案する。
論文 参考訳（メタデータ） (2026-02-25T05:13:25Z) - Global End-Effector Pose Control of an Underactuated Aerial Manipulator via Reinforcement Learning [15.634803296068009]
ロボットアームとマルチロータードローンを組み合わせた空中マニピュレータは、アームの重量と機械的複雑さに厳しい制約に直面している。
本研究では,2自由度2自由度(DoF)アームを,6自由度エンドエフェクタのフルポーズ制御が可能な差動機構を用いて検討した。
論文 参考訳（メタデータ） (2025-12-24T10:00:01Z) - Fast Functionally Redundant Inverse Kinematics for Robotic Toolpath Optimisation in Manufacturing Tasks [53.04487603529418]
逆キネマティクスアルゴリズムは、これを高速でリアクティブなフレームワークで解決することができる。
ロボット操作のための機能的冗長な逆運動学を解く新しいアルゴリズムを提案する。
論文 参考訳（メタデータ） (2025-12-10T22:07:07Z) - Preliminary Analysis and Simulation of a Compact Variable Stiffness Wrist [9.674808390941672]
本稿では、冗長な弾性アクチュエータによる可変剛性を実現する3自由度並列手首について紹介する。
このデバイスは4つのモーターしか使っておらず、コンパクトで軽量だ。
論文 参考訳（メタデータ） (2025-12-04T16:43:57Z) - Beyond Prompt Engineering: Robust Behavior Control in LLMs via Steering Target Atoms [71.85633762642125]
モデルにおける膨大な数のパラメータは、しばしば高度に絡み合った内部表現をもたらす。
最近の研究は、スパースオートエンコーダ(SAE)を用いて、ステアリングのための高次元空間における知識を歪めている。
本研究では,非絡み合った知識コンポーネントを分離・操作し,安全性を高める手法であるステアリングターゲット原子(STA)を提案する。
論文 参考訳（メタデータ） (2025-05-23T17:59:18Z) - An End-to-End Differentiable Framework for Contact-Aware Robot Design [37.715596272425316]
我々は、接触認識ロボット設計のためのエンドツーエンドの差別化可能なフレームワークを構築した。
変形に基づく新しいパラメータ化により、任意の複雑な幾何学を持つ剛体ロボットを設計することができる。
微分可能な剛体シミュレータは、接触豊富なシナリオを処理し、運動パラメータと動的パラメータの完全なスペクトルに対する解析的勾配を計算することができる。
論文 参考訳（メタデータ） (2021-07-15T17:53:44Z) - Dynamically corrected gates from geometric space curves [55.41644538483948]
本稿では,量子進化と幾何学的空間曲線の密接な関係を利用した演算をしながら,動的に誤差を補正する制御場の設計手法について概説する。
このアプローチは、与えられたタスクを達成する制御フィールドのグローバルなソリューション空間へのアクセスを提供し、様々なアプリケーションに対して実験可能なゲート操作の設計を容易にする。
論文 参考訳（メタデータ） (2021-03-30T01:12:36Z) - 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。