論文の概要: Coupled Routing and Configuration Optimization for Multi-Viewpoint Robotic Inspection
- arxiv url: http://arxiv.org/abs/2606.20739v1
- Date: Wed, 17 Jun 2026 17:14:54 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-26 13:19:53.431182
- Title: Coupled Routing and Configuration Optimization for Multi-Viewpoint Robotic Inspection
- Title（参考訳）: 多視点ロボット検査のための結合ルーティングと構成最適化
- Authors: Minh Nhat Vu, Khang Nguyen, Vu Trung Tran, Vien Ngo,
- Abstract要約: 9-DoFロボットシステムにおいて、6-DoF検査の視点を時間的・衝突のない経路に変換する統一的な枠組みを提案する。
ビュー毎の1つの逆キネマティクス(IK)構成を固定するモジュールパイプラインとは異なり、全ペアの旅行時間マップを構築し、ルートを作成すれば、単一のグローバル検索において、訪問順序と視点ごとの設定を協調的に最適化できる。
- 参考スコア（独自算出の注目度）: 4.164290233214403
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present a unified framework that turns a set of 6-DoF inspection viewpoints into a time-optimal, collision-free route for a 9-DoF robotic system. Unlike modular pipelines that fix a single inverse-kinematics (IK) configuration per viewpoint, build an all-pairs travel-time map, and then route, our method jointly optimizes the visiting order and the per-viewpoint configuration in a single global search. The three-dimensional self-motion manifold of each viewpoint is parameterized in closed form so that the pose constraint holds by construction, the rest-to-rest travel time is approximated by a closed-form admissible double-integrator surrogate, and the tour is encoded by random keys. A derivative-free optimizer (CMA-ES) minimizes a cheap penalized objective over order and configuration, after which direct-collocation trajectory optimization is applied only to the edges of the selected route to certify dynamic feasibility and torque limits, and to return exact timings. This reduces the trajectory solves from quadratic to linear in the number of viewpoints and removes the decoupling that prevents modular pipelines from being globally time-optimal. Simulations and real-robot experiments on a KUKA LBR iiwa with a 2-DoF linear stage validate feasibility, smooth execution, and reduced end-to-end inspection time relative to modular and naive distance-based baselines.
- Abstract（参考訳）: 9-DoFロボットシステムにおいて、6-DoF検査の視点を時間的・衝突のない経路に変換する統一的な枠組みを提案する。
ビュー毎の1つの逆キネマティクス(IK)構成を固定するモジュールパイプラインとは異なり、全ペアの旅行時間マップを構築し、ルートを作成すれば、単一のグローバル検索において、訪問順序と視点ごとの設定を共同で最適化する。
各視点の3次元自己運動多様体は、ポーズ制約が構成によって保持されるように閉形式にパラメータ化され、静止移動時間は閉形式許容倍積分器サロゲートにより近似され、ツアーはランダムキーで符号化される。
デリバティブフリーオプティマイザ(CMA-ES)は、順序と構成に関する安価なペナル化対象を最小化し、その後、選択された経路のエッジにのみ直接座標軌道最適化を適用して、動的実現性とトルク限界を証明し、正確なタイミングを返す。
これにより、軌跡は視点の2次から線形へと減少し、モジュールパイプラインがグローバルに時間的最適にならないように分離される。
2-DoF線形ステージを持つKUKA LBR井輪のシミュレーションと実ロボット実験により、モジュラーおよびナイーブ距離ベースラインに対する実現可能性、円滑な実行、およびエンドツーエンド検査時間の短縮が検証された。
関連論文リスト
- Exploring the Design Space of Reward Backpropagation for Flow Matching [47.80328464705813]
FlowBPは、後方軌道自体をデザインオブジェクトとして扱う統一的なサロゲート・トラジェクトリフレームワークである。
FlowBP-Sparse、FlowBP-Bridge、FlowBP-Lagrangeの3つの変種をインスタンス化する。
アクティブセットサイズと制限勾配連鎖による3つの有界メモリは、少なくとも1つのジャコビアン因子に連鎖する。
論文 参考訳（メタデータ） (2026-06-09T16:36:54Z) - Closed-Form Spectral Regularization for Multi-Task Model Merging [96.82449201305234]
モデルマージは、個別に調整された複数の専門家をトレーニングデータなしで単一のマルチタスクモデルに結合する。
State-of-the-art merging method formulate merging as a layer-wise interference problem。
本稿では,逐次降下の勾配-流路に一致するソフト指数フィルタを組み合わせた閉形式手法SWUDIを提案する。
論文 参考訳（メタデータ） (2026-06-05T14:00:47Z) - ST-Prune: Training-Free Spatio-Temporal Token Pruning for Vision-Language Models in Autonomous Driving [31.688411695647357]
我々は、Motionaware RSP (MTP) と Ring-view Spatial Pruning (RSPRSP) の2つの相補的なモジュールからなるトレーニングフリーのプラグアンドプレイフレームワークST-Pruneを提案する。
これら2つのモジュールは完全な時間的プルーニングプロセスを構成し、トレーニング不要なトークンプルーニングのための重要な幾何学的技法を保存する。
ST-Pruneは、既存のプルーニングアプローチに匹敵する速度を維持しながら、フルモデルベースラインを超える特定のメトリクスで、ほぼロスレスのパフォーマンスを達成する。
論文 参考訳（メタデータ） (2026-04-21T06:51:08Z) - Collision-Free Velocity Scheduling for Multi-Agent Systems on Predefined Routes via Inexact-Projection ADMM [0.0]
構造化マルチエージェントプロジェクトでは、エージェントは事前に定義されたルートをたどらなければならず、リルーチンや不可能となる。
本稿では,各エージェントの割り当てられた経路の順序と名前付き経路の割り当てを保ちながら,経路制約付きマルチエージェント協調に対処する。
論文 参考訳（メタデータ） (2026-03-23T12:34:18Z) - DRAFTO: Decoupled Reduced-space and Adaptive Feasibility-repair Trajectory Optimization for Robotic Manipulators [4.0407133618465005]
本稿では、トラジェクトリ最適化のための新しいアルゴリズム、Decoupled Reduced-spaceとAdaptive Feasibility-Repair Trajectory Optimization (DRAFTO)を提案する。
連立限界実現性を扱いながら繰り返し制約された最適化の回数を減らすため、最適化を低空間ガウスニュートン(Gass-Newton, GN)降下に分離する。
CHOMP, TrajOpt, GPMP2, FACTOなどの最適化型プランナに対するベンチマークテストの結果, 様々なシナリオやタスクにおいて高い効率性と信頼性が検証された。
論文 参考訳（メタデータ） (2026-03-10T20:24:42Z) - Flow-Opt: Scalable Centralized Multi-Robot Trajectory Optimization with Flow Matching and Differentiable Optimization [2.4149533870085174]
Flow-Optは、集中型マルチロボット軌道最適化の計算トラクタビリティ向上のための学習ベースのアプローチである。
我々は,数ミリ秒で散在する環境下で,数十個のロボットの軌跡を生成できることを実証した。
また,提案手法は,競合するベースラインよりも高速にスムーズな軌道列を生成する。
論文 参考訳（メタデータ） (2025-10-10T09:43:18Z) - Adaptive Deadline and Batch Layered Synchronized Federated Learning [66.93447103966439]
フェデレートラーニング(FL)は、データプライバシを保持しながら、分散エッジデバイス間で協調的なモデルトレーニングを可能にする。
我々は,レイヤワイドアグリゲーションのために,ラウンド単位の期限とユーザ固有のバッチサイズを共同で最適化する新しいフレームワークADEL-FLを提案する。
論文 参考訳（メタデータ） (2025-05-29T19:59:18Z) - 360 Layout Estimation via Orthogonal Planes Disentanglement and Multi-view Geometric Consistency Perception [56.84921040837699]
既存のパノラマ配置推定ソリューションは、垂直圧縮されたシーケンスから部屋の境界を復元し、不正確な結果をもたらす傾向にある。
そこで本稿では,直交平面不整合ネットワーク(DOPNet)を提案し,あいまいな意味論を識別する。
また,水平深度と比表現に適した教師なし適応手法を提案する。
本手法は,単分子配置推定と多視点レイアウト推定の両タスクにおいて,他のSoTAモデルよりも優れる。
論文 参考訳（メタデータ） (2023-12-26T12:16:03Z) - Vanishing Point Estimation in Uncalibrated Images with Prior Gravity
Direction [82.72686460985297]
我々はマンハッタンのフレームを推定する問題に取り組む。
2つの新しい2行解法が導出され、そのうちの1つは既存の解法に影響を与える特異点に悩まされない。
また、局所最適化の性能を高めるために、任意の行で実行される新しい最小でないメソッドを設計する。
論文 参考訳（メタデータ） (2023-08-21T13:03:25Z) - Sketching as a Tool for Understanding and Accelerating Self-attention
for Long Sequences [52.6022911513076]
トランスフォーマーベースのモデルは、自己アテンションモジュールの二次空間と時間的複雑さのために、長いシーケンスを処理するのに効率的ではない。
我々はLinformerとInformerを提案し、低次元投影と行選択により2次複雑性を線形(モジュラー対数因子)に還元する。
理論的解析に基づいて,Skeinformerを提案することにより,自己注意の促進と,自己注意への行列近似の精度の向上を図ることができる。
論文 参考訳（メタデータ） (2021-12-10T06:58:05Z)
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。