論文の概要: Physics-Informed Eikonal Caging for Whole-Arm Manipulation Planning
- arxiv url: http://arxiv.org/abs/2606.22143v1
- Date: Sat, 20 Jun 2026 16:49:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-25 22:35:10.428343
- Title: Physics-Informed Eikonal Caging for Whole-Arm Manipulation Planning
- Title（参考訳）: 全Armマニピュレーション計画のための物理インフォームドアイコンケージ
- Authors: Yan Zhang, Yiming Li, Yifei Dong, Florian T. Pokorny, Sylvain Calinon,
- Abstract要約: 本稿では,物体が囲むロボットの形状を最短時間で残そうとする最小限のエスケープ問題としてケージを導入する。
これにより,ロボットの囲い品質を計測する連続逃避時間場が得られ,固有方程式を満たすことを示す。
したがって、このフィールドを物理インフォームドニューラルネットワークを用いて近似し、操作計画に直接組み込むスムーズな微分可能表現を生成する。
- 参考スコア（独自算出の注目度）: 29.754938212556223
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Planning contact-rich whole-arm manipulation is challenging because interactions that involve extended robot geometry give rise to complex contact dynamics that are difficult to model accurately. This creates a need for planning principles that do not rely heavily on precise contact models. Caging offers one such geometric notion of robustness to modeling inaccuracy by restricting object escape through geometrically enclosing the object. However, existing caging formulations are difficult to incorporate into continuous optimization-based manipulation planning. We reformulate caging as a minimum-time escape problem in which the object seeks to leave an enclosing robot geometry in the shortest time. This yields a continuous escape-time field that measures the robot's enclosure quality and we show it satisfies an eikonal equation. We therefore can approximate this field using a physics-informed neural network, producing a smooth differentiable representation that can be embedded directly into manipulation planning. The resulting objective supports whole-arm manipulation planning to favor robot configurations resisting object escape. This improves the manipulation robustness to contact model mismatch, thus enabling planning with simplified contact models, including quasi-dynamic approximations and simplified object geometry. Across simulation and real-world experiments, we show improved robustness to disturbances and contact-model mismatch relative to baselines. These results suggest that geometric enclosure can serve as a practical robustness primitive for whole-arm manipulation. A supplementary video, which includes an intuitive overview of our method and experiment video results, is available on our project webpage.
- Abstract（参考訳）: ロボット形状が拡張された相互作用は、正確にモデル化が難しい複雑な接触ダイナミクスを引き起こすため、接触に富んだ全腕操作の計画が困難である。
これにより、正確なコンタクトモデルに大きく依存しない計画原則の必要性が生まれます。
ケージは、オブジェクトを幾何学的に囲むことでオブジェクトの脱出を制限することによって、モデリングの不正確性に対するロバスト性という幾何学的な概念を提供する。
しかし、既存のケージの定式化は、継続的な最適化に基づく操作計画に組み込むのは難しい。
我々は,ケースングを,物体が囲むロボット形状を最短時間で残そうとする最小時間エスケープ問題として再構成する。
これにより,ロボットの囲い品質を計測する連続逃避時間場が得られ,固有方程式を満たすことを示す。
したがって、このフィールドを物理インフォームドニューラルネットワークを用いて近似し、操作計画に直接組み込むスムーズな微分可能表現を生成する。
結果として得られた目的は、オブジェクトエスケープに抵抗するロボット構成を好むために、全腕操作計画を支援する。
これにより、接触モデルミスマッチに対する操作の堅牢性が向上し、擬力学近似や単純化されたオブジェクト幾何学を含む、簡易な接触モデルによる計画が可能になる。
シミュレーションや実世界の実験を通じて,外乱に対する堅牢性の改善と,ベースラインに対する接触モデルミスマッチを示す。
これらの結果は、幾何学的囲いは、全腕操作の実用的堅牢性プリミティブとして役立つことを示唆している。
提案手法の直感的な概要と実験ビデオ結果を含む補足ビデオが,プロジェクトのWebページで公開されている。
関連論文リスト
- ManiSplat: Manipulation Trajectory Synthesis from Monocular Video via Decoupled 3D Gaussian Splatting [28.256286705954846]
現実の観察から動的でインタラクティブな3Dシーンを再構築することは、コンピュータビジョンとロボティクスの基本的な課題である。
ロボットビデオから直接ガウスのデジタル双生児を制御可能で分離する統合フレームワークであるManiSplatを紹介した。
提案手法は,対話駆動型動的シーンを高忠実度かつ制御性で再構築し,下流ロボットタスクとポリシー学習を効果的に支援する。
論文 参考訳（メタデータ） (2026-06-09T09:55:58Z) - Haptic Sorter: A Unified Planning Framework for Online Shape Estimation and Real-Time Pose Inference [5.39302833189819]
本稿では,ロボット触覚認識,モデリング,操作計画を統合したモデルベース幾何フレームワークを提案する。
我々は2次元ロボットソート作業にシステムを配置し、シミュレーションと実世界のマルチアーム構成の両方において、我々のフレームワークの堅牢性を検証するためにオブジェクトジオメトリを変化させる。
論文 参考訳（メタデータ） (2026-05-29T14:28:42Z) - Simulation-Driven Evolutionary Motion Parameterization for Contact-Rich Granular Scooping with a Soft Conical Robotic Hand [14.911239660367926]
ツールベースのスクーピングは、さまざまな大きさ、形状、物質状態の物体との相互作用を可能にするロボット支援タスクにおいて不可欠である。
近年の研究では、柔軟で再構成可能なソフトロボットのエンドエフェクターが、スクーピング中に一貫した接触を維持するために形状に適応できることが示されている。
これらのソフトツールは、複雑な感知や制御を必要とせずに、様々な容器の大きさや材料に調整することができる。
本稿では,変形可能な円錐型ロボットハンドの物理シミュレーションモデルの開発について述べる。
論文 参考訳（メタデータ） (2026-04-07T07:30:21Z) - Detailed Geometry and Appearance from Opportunistic Motion [44.38825288921379]
固定カメラの粗い集合から3次元形状と外観を再構築することは、幅広い用途において基礎的な課題である。
静止カメラは局所座標フレーム内の物体の軌道を効果的に公転し、仮想的な視点を提供する。
しかし、この物体の動きを調和させることは、物体のポーズの密結合と幾何学的推定と、静的照明下で動く物体の複雑な外観変化の2つの課題をもたらす。
論文 参考訳（メタデータ） (2026-03-27T17:59:16Z) - Push, Press, Slide: Mode-Aware Planar Contact Manipulation via Reduced-Order Models [4.600772894287281]
ロボットアームを1つまたは2つ組み合わせた平面操作のためのモード認識フレームワークを提案する。
我々の中核的な洞察は、複雑なレンチ・ツイストの極限表面力学は、物理的に直感的なモデルの離散的なライブラリに抽象化できるということである。
多様なシングルアームおよびバイマニュアル操作タスクのシミュレーションにおいて、高速で最適化不要なアプローチを実証する。
論文 参考訳（メタデータ） (2026-03-12T19:21:19Z) - MeshMimic: Geometry-Aware Humanoid Motion Learning through 3D Scene Reconstruction [54.36564144414704]
MeshMimicは、3Dシーンの再構築とインテリジェンスを組み込んだ革新的なフレームワークで、ヒューマノイドロボットがビデオから直接「モーション・テライン」インタラクションを学習できるようにする。
現状の3次元視覚モデルを活用することで、我々のフレームワークは、人間の軌跡と基礎となる地形や物体の3次元幾何学の両方を正確にセグメント化し再構築する。
論文 参考訳（メタデータ） (2026-02-17T17:09:45Z) - Mirage2Matter: A Physically Grounded Gaussian World Model from Video [87.9732484393686]
我々は、グラフィック駆動の世界モデリングおよびシミュレーションフレームワークであるSimulate Anythingを紹介する。
実世界の環境を3次元ガウススプレイティング(3DGS)による写実的シーン表現に再構築する。
次に、生成モデルを利用して、物理的に現実的な表現を復元し、精度校正ターゲットを介してシミュレーション環境に統合する。
論文 参考訳（メタデータ） (2026-01-24T07:43:57Z) - Kinematify: Open-Vocabulary Synthesis of High-DoF Articulated Objects [59.51185639557874]
本稿では,任意のRGB画像やテキスト記述から直接音声オブジェクトを合成するフレームワークであるKinematifyを紹介する。
提案手法は, 高DoFオブジェクトに対する運動的トポロジの推測と静的幾何からの関節パラメータの推定という2つの課題に対処する。
論文 参考訳（メタデータ） (2025-11-03T07:21:42Z) - 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) - 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) - Nothing But Geometric Constraints: A Model-Free Method for Articulated
Object Pose Estimation [89.82169646672872]
本稿では,ロボットアームの関節構成を,モデルに先入観を持たずにRGBまたはRGB-D画像のシーケンスから推定する,教師なし視覚ベースシステムを提案する。
我々は,古典幾何学的定式化と深層学習を組み合わせることで,この課題を解決するために,極性多剛体制約を拡張した。
論文 参考訳（メタデータ） (2020-11-30T20:46:48Z)
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。