論文の概要: Optimal Control Approach for Non-prehensile Ball Juggling Using a 7-DoF Manipulator

• arxiv url: http://arxiv.org/abs/2606.06704v1
• Date: Thu, 04 Jun 2026 20:44:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-08 14:33:29.439658
• Title: Optimal Control Approach for Non-prehensile Ball Juggling Using a 7-DoF Manipulator
• Title（参考訳）: 7-DoFマニピュレータを用いたボールジャグリングの最適制御法
• Authors: Joel Ramadani, Vasilije Rakčević, Riddhiman Laha, Arne Sachtler, Valentin Le Mesle, Achim J. Lilienthal, Sami Haddadin,
• Abstract要約: 非包括的オブジェクト操作技術は、現実世界のロボットインタラクションにおいて重要である。 ジャグリングは解決すべき非常に困難な操作と見なすことができる。 本研究では,ツールを用いた非包括的球ジャグリングを行う7自由度マニピュレータの系統的制御法を開発した。
• 参考スコア（独自算出の注目度）: 18.817896751468854
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Non-prehensile object manipulation skills are important for real-world robot interactions, enabling highly dynamic tasks such as balancing a glass on a tray or the controlled sliding of items on a table. Among such tasks, those characterised by high-speed manipulation requirements and general sensitivity of the resulting hybrid dynamics are particularly hard to accomplish. Within these, juggling can be seen as a highly challenging maneuver to be solved. The key to robotic juggling is achieving dynamic stabilisation of an underactuated object. Since the object does not possess the ability of self-correction, its stability is entirely dependent on the forces applied to it. This creates a system that is sensitive to control inputs, where timing is critical to continuously counteract deviations and maintain the desired behavior. We develop a systematic method to control a 7-degree-of-freedom manipulator performing non-prehensile ball juggling with a tool. Our primary contribution is a model-based framework for generating juggling trajectories and stabilizing a periodic juggling motion for this hybrid system. The framework incorporates a two-stage optimal control approach to compute the underlying feasible motion patterns required for stable juggling. Offline-computed trajectories are then organised to enable real-time error correction without solving optimal control problems online. We demonstrate the effectiveness of the resulting controller by first evaluating its performance in a simulation environment and performing an experiment using a Franka Emika Panda robot.
• Abstract（参考訳）: 非包括的オブジェクト操作のスキルは、現実世界のロボットのインタラクションにおいて重要であり、トレイ上のガラスのバランスやテーブル上のアイテムの制御されたスライディングといった非常にダイナミックなタスクを可能にする。 このようなタスクの中で、高速な操作要求と結果のハイブリッド力学の一般的な感度によって特徴づけられるものは、特に達成が難しい。 これらの内部では、ジャグリングは解決すべき非常に困難な操作と見なすことができる。 ロボットジャグリングの鍵は、不安定な物体を動的に安定化させることである。 物体は自己補正能力を持っていないため、その安定性はそれに適用される力に完全に依存する。 これにより、入力の制御に敏感なシステムが生成され、タイミングが重要であり、逸脱を継続的に防止し、望ましい動作を維持する。 本研究では,ツールを用いた非包括的球ジャグリングを行う7自由度マニピュレータの系統的制御法を開発した。 我々の主な貢献は、このハイブリッドシステムのためのジャグリング軌道の生成と周期的なジャグリング運動の安定化のためのモデルベースのフレームワークである。 このフレームワークは、安定したジャグリングに必要な基礎となる実行可能な動作パターンを計算するために、2段階の最適制御手法を組み込んでいる。 オフライン計算された軌道は、オンラインで最適制御問題を解くことなくリアルタイムの誤り訂正を可能にするために編成される。 シミュレーション環境での性能評価を行い,Franka Emika Pandaロボットを用いた実験を行うことにより,提案手法の有効性を実証する。

関連論文リスト

• Consistency-Driven Dual LSTM Models for Kinematic Control of a Wearable Soft Robotic Arm [33.333272339511446]
  本稿では,ウェアラブルデバイスに組み込まれた空気圧作動式ロボットアームの前方および逆運動学を正確に学習するための一貫性駆動型デュアルLSTMフレームワークを提案する。 この手法は, アクティベーション入力とエンドエフェクタ位置の1対1マッピング問題に対処しながら, ソフト空気圧アクチュエータの非線形およびヒステリックな挙動を効果的に捉えている。
  論文  参考訳（メタデータ） (2026-03-18T12:51:12Z)
• 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)
• Grasp to Act: Dexterous Grasping for Tool Use in Dynamic Settings [5.05447792208957]
  本稿では,物理学に基づくグリップ最適化と強化学習に基づくグリップ適応を組み合わせたハイブリッドシステムGrasp-to-Actを提案する。 提案手法では,人間の実演から得られる頑健なグリップ構成を合成し,手動滑走を防止するために,手動補正を残留的に発行する適応制御器を用いる。 16-DoFデキスタラスハンドを用いたシミュレーションおよび実世界のハードウェア試行において,本手法は手動の翻訳および回転のスリップを低減し,タスク完了率が最も高い。
  論文  参考訳（メタデータ） (2026-02-24T01:53:39Z)
• KungfuBot: Physics-Based Humanoid Whole-Body Control for Learning Highly-Dynamic Skills [58.73043119128804]
  そこで本研究では,Kungfuやダンスなどの人体動作を高度に制御することを目的とした,物理学に基づくヒューマノイド制御フレームワークを提案する。 動作処理では,運動の抽出,フィルタリング,修正,再ターゲティングを行うパイプラインを設計し,物理的制約の遵守を確実にする。 動作模倣では、二段階最適化問題を定式化し、追従精度の許容度を動的に調整する。 実験では,高ダイナミックな動作のセットを模倣するために全身制御ポリシーを訓練する。
  論文  参考訳（メタデータ） (2025-06-15T13:58:53Z)
• Learning coordinated badminton skills for legged manipulators [12.514822343998908]
  我々は,手足の移動マニピュレータがバドミントンを奏でるようにするためのアプローチを提案する。 本研究は,全身運動能力のための強化学習に基づく統一的制御政策を提案する。 本手法は,シャトルコック予測モデル,ロバスト動作制御のための制約付き強化学習,システム同定技術を含む。
  論文  参考訳（メタデータ） (2025-05-29T01:26:30Z)
• Active Learning of Discrete-Time Dynamics for Uncertainty-Aware Model Predictive Control [46.81433026280051]
  本稿では,非線形ロボットシステムの力学を積極的にモデル化する自己教師型学習手法を提案する。 我々のアプローチは、目に見えない飛行条件に一貫して適応することで、高いレジリエンスと一般化能力を示す。
  論文  参考訳（メタデータ） (2022-10-23T00:45:05Z)
• OSCAR: Data-Driven Operational Space Control for Adaptive and Robust Robot Manipulation [50.59541802645156]
  オペレーショナル・スペース・コントロール(OSC)は、操作のための効果的なタスクスペース・コントローラとして使われてきた。 本稿では,データ駆動型OSCのモデル誤差を補償するOSC for Adaptation and Robustness (OSCAR)を提案する。 本手法は,様々なシミュレーション操作問題に対して評価し,制御器のベースラインの配列よりも大幅に改善されていることを示す。
  論文  参考訳（メタデータ） (2021-10-02T01:21:38Z)
• Reinforcement Learning for Robust Parameterized Locomotion Control of Bipedal Robots [121.42930679076574]
  シミュレーションにおけるロコモーションポリシをトレーニングするためのモデルフリー強化学習フレームワークを提案する。 ドメインランダム化は、システムダイナミクスのバリエーションにまたがる堅牢な振る舞いを学ぶためのポリシーを奨励するために使用されます。 本研究では、目標歩行速度、歩行高さ、旋回ヨーなどの多目的歩行行動について示す。
  論文  参考訳（メタデータ） (2021-03-26T07:14:01Z)

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。