論文の概要: Layout-independent actuation allocator for fin-actuated marine robots
- arxiv url: http://arxiv.org/abs/2607.03204v1
- Date: Fri, 03 Jul 2026 11:18:58 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-09 12:55:02.275784
- Title: Layout-independent actuation allocator for fin-actuated marine robots
- Title（参考訳）: フィン駆動海洋ロボットのレイアウト非依存アクチュエータ
- Authors: Yuya Hamamatsu, Maarja Kruusmaa, Asko Ristolainen,
- Abstract要約: 本稿では,多種多様なアクチュエータ構成にまたがるゼロショット配置が可能なレイアウト非依存の制御アロケータを提案する。
提案手法では,グラフニューラルネットワーク(GNN)とトランスフォーマーを用いて,ロボットの幾何学的レイアウトをグラフとして表現する。
実世界のプール実験において,本手法は特定のレイアウト用に設計された従来のコントローラとほぼ同等の性能を達成した。
- 参考スコア（独自算出の注目度）: 1.376408511310322
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this study, we propose a layout-independent control allocator capable of zero-shot deployment across diverse actuator configurations. The proposed method utilizes a learning pipeline that integrates a Graph Neural Network (GNN) and a Transformer to represent the robot's geometric layout as a graph, along with a Mixture Density Network (MDN) to predict multi-modal control command distributions. Furthermore, by incorporating a differentiable physics surrogate model, we achieve command refinement during inference to minimize target wrench tracking error and energy consumption. A single generalized model using randomly generated actuator layout data demonstrated high trajectory tracking performance on different actuator layout robots outside the training distribution. Additionally, in real-world pool experiments, our approach achieved performance nearly equivalent to conventional controllers designed to specific layouts.
- Abstract（参考訳）: 本研究では,多種多様なアクチュエータ構成にまたがるゼロショット配置が可能なレイアウト非依存の制御アロケータを提案する。
提案手法は,グラフニューラルネットワーク(GNN)とトランスフォーマーを統合した学習パイプラインを用いて,ロボットの幾何学的レイアウトをグラフとして表現し,Mixture Density Network(MDN)を用いてマルチモーダル制御コマンド分布を予測する。
さらに、微分可能な物理代理モデルを組み込むことで、目標のレンチ追跡誤差とエネルギー消費を最小限に抑えるために、推論中のコマンドの洗練を実現する。
ランダムに生成されたアクチュエータレイアウトデータを用いた単一一般化モデルにより、トレーニング分布外の異なるアクチュエータレイアウトロボットに対して高い軌道追跡性能を示した。
さらに,実世界のプール実験において,本手法は特定のレイアウト用に設計された従来のコントローラとほぼ同等の性能を実現した。
関連論文リスト
- Robots as Tokens: Unified Diffusion Transformer for Coordinated Multi-Robot Trajectory Generation [25.56633710745516]
制御されたマルチロボット軌道が,フィードフォワード方式で生成モデルを用いて学習できるかどうかを検討する。
マルチロボット軌道を直接生成する統合拡散変換器であるTokens as Tokens(Roken)を提案する。
ローケンは、単一のロボット計画、協調されたマルチロボット軌道生成、条件付き軌道生成を処理できる汎用的なマルチロボットプランナーとして振る舞う。
論文 参考訳（メタデータ） (2026-06-14T02:32:33Z) - Qwen-VLA: Unifying Vision-Language-Action Modeling across Tasks, Environments, and Robot Embodiments [96.23886784364997]
身体的な知性は、操作やナビゲーションといった個々のタスクのための特別なモデルを通してしばしば研究される。
本稿では,Qwenの視覚言語モデリングスタックを連続的な動作と軌道生成に拡張した統一的な基礎モデルであるQwen-VLAを提案する。
論文 参考訳（メタデータ） (2026-05-28T17:36:31Z) - Multimodal embodiment-aware navigation transformer [5.673561896367136]
ViLiNTは、複数のプラットフォームや環境からの異種データに基づいてトレーニングされた、ゴールナビゲーションのためのマルチモーダルな注意ベースのポリシーである。
我々は、ViLiNTが、同等の最先端ビジョンオンリーベースライン(NoMaD)よりも平均166%向上することを示す。
結果は、障害物場を航行するローバーの実際の展開を通じて確認される。
論文 参考訳（メタデータ） (2026-04-21T09:32:59Z) - Robometer: Scaling General-Purpose Robotic Reward Models via Trajectory Comparisons [69.87766750714945]
汎用ロボット報酬モデルは通常、専門家によるデモンストレーションから絶対的なタスク進捗を予測するために訓練される。
本稿では、軌道内進行監視と軌道間優先監視を組み合わせたスケーラブルな報酬モデリングフレームワークRobometerを紹介する。
ロビオメーターは、専門家データに報酬等級を固定するフレームレベルのプログレス・ロスと、グローバルな順序制約を課す軌跡比較優先損失という2つの目的で訓練されている。
論文 参考訳（メタデータ） (2026-03-02T17:38:58Z) - A Unified Experimental Architecture for Informative Path Planning: from Simulation to Deployment with GuadalPlanner [69.43049144653882]
本稿では,車種別制御から高レベルの意思決定を分離する統一アーキテクチャを提案する。
提案アーキテクチャは、計画、センシング、車両実行の標準化されたインターフェースを定義するGuaralPlannerを通じて実現されている。
論文 参考訳（メタデータ） (2026-02-11T10:02:31Z) - Morphogenetic Assembly and Adaptive Control for Heterogeneous Modular Robots [9.732115880925306]
異種モジュールロボットのためのクローズドループ自動化フレームワークを提案する。
移動マニピュレータは異種機能モジュールを処理し、多様なロボット構成を動的に組み立てる。
このフレームワークは、モジュールアセンブリ、ロボットのマージと分割、動的モーション生成を含む全サイクルプロセスを検証する。
論文 参考訳（メタデータ） (2026-02-11T06:18:04Z) - Instruct2Act: From Human Instruction to Actions Sequencing and Execution via Robot Action Network for Robotic Manipulation [14.833622989644352]
我々は、自然言語コマンドを信頼性の高い操作に変換する軽量で完全なオンデバイスパイプラインを開発した。
Instruct2Actは91.5%のサブアクション予測精度を達成し、フットプリントは小さい。
その結果, DATRNに基づく軌道生成と視覚誘導グラウンド化と相まって, 決定論的, リアルタイムな操作を行うための実践的な経路が得られた。
論文 参考訳（メタデータ） (2026-02-10T16:25:39Z) - Model-Based Diffusion Sampling for Predictive Control in Offline Decision Making [48.998030470623384]
オフラインの意思決定は、さらなるインタラクションを伴わずに、固定データセットからの信頼性の高い振る舞いを必要とする。
i)タスク整列軌道を多様に生成するプランナー,(ii)システム力学との整合性を強制するダイナミクスモデル,(iii)タスク目標に整合した動作を選択するランサーモジュールからなる構成モデルに基づく拡散フレームワークを提案する。
論文 参考訳（メタデータ） (2025-12-09T06:26:02Z) - Decision Transformer as a Foundation Model for Partially Observable Continuous Control [5.453548045211778]
決定変換器(DT)アーキテクチャは、過去の観測、行動、報酬に基づいて最適な行動を予測するために使用される。
DTは、全く新しいタスクに対して驚くべきゼロショットの一般化能力を示す。
これらの知見は、一般的な制御アプリケーションの基本制御系としてのDTの可能性を示している。
論文 参考訳（メタデータ） (2024-04-03T02:17:34Z) - DiMSam: Diffusion Models as Samplers for Task and Motion Planning under Partial Observability [58.75803543245372]
タスク・アンド・モーション・プランニング(TAMP)アプローチは多段階自律ロボット操作の計画に適している。
本稿では,TAMPシステムを用いた拡散モデルの構築により,これらの制限を克服することを提案する。
古典的TAMP, 生成モデリング, 潜伏埋め込みの組み合わせによって, 多段階制約に基づく推論が可能となることを示す。
論文 参考訳（メタデータ） (2023-06-22T20:40:24Z)
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。