論文の概要: From Non-Rigid to Rigid: Safe Acquisition of Rigid Communication Graphs under Limited Sensing
- arxiv url: http://arxiv.org/abs/2607.10170v1
- Date: Sat, 11 Jul 2026 07:20:20 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-14 15:40:48.328984
- Title: From Non-Rigid to Rigid: Safe Acquisition of Rigid Communication Graphs under Limited Sensing
- Title（参考訳）: 非rigidからrigidへ:限定センシングによるrigid通信グラフの安全な取得
- Abstract要約: 本稿では,ロボット間衝突のない,剛性のある時間変化通信グラフを実現する方法を提案する。
提案手法は,非線形マルチロボットシステムのための剛性グラフの実現を保証する。
- 参考スコア（独自算出の注目度）: 1.8619748472447968
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Communication graph rigidity is a fundamental requirement in many multi robot formation control approaches. However, ensuring and maintaining a rigid communication topology becomes challenging in practice due to limited sensing ranges and dynamic operating conditions. This paper provides a method for achieving an inter robot collision free, rigid time varying communication graph, where communication links are established or broken according to limited sensing ranges, without assuming an initial rigid graph. In addition, the proposed approach guarantees the realization of a rigid graph for heterogeneous nonlinear multi robot systems. A computationally lean, distributed quadratic optimization-based controller is developed for a leader follower architecture, acquiring rigidity based on hierarchical second-order consensus among robots. Follower agents do not require global absolute positions of any agent, including their own. The proposed method is validated through both simulations and hardware experiments in a motion-capture environment, demonstrating reliable performance under the limited sensing capabilities of individual robots.
- Abstract（参考訳）: 通信グラフの剛性は多くのマルチロボット形成制御手法の基本的な要件である。
しかし,厳密な通信トポロジの確保と維持は,限られたセンシング範囲と動的操作条件のため,実際には困難である。
本稿では,初期剛性グラフを仮定することなく,限られた感知範囲に応じて通信リンクを確立したり,切断したりできる,ロボット間衝突のない,剛性のある通信グラフを実現する方法を提案する。
さらに, 提案手法により, 不均一な非線形多ロボットシステムに対する剛性グラフの実現が保証される。
ロボット間の階層的な2階のコンセンサスに基づいて剛性を取得する。
フォローエージェントは、それ自身を含むあらゆるエージェントのグローバルな絶対的な位置を必要としない。
提案手法はモーションキャプチャ環境でのシミュレーションとハードウェア実験により検証し,ロボットの限られた感知能力下での信頼性を実証する。
関連論文リスト
- CosmoH2G: A Hand-to-Gripper Transfer Dataset and Baseline Method for Object Manipulation with Complex Spatial Movements [63.40365657068892]
ロボットグリップに人手によるデモンストレーションを移すことは、最近、ロボット学習の費用対効果の高いソリューションとして浮上した。
このギャップに触発された我々は、きめ細かい手の動きによって導かれる暗黙的なデータ駆動アプローチを採用した。
シミュレーションと実ロボット実験の両方において、我々のフレームワークは複雑な空間操作の安定かつ高精度なハンド・トゥ・グルーパー転送を可能にする。
論文 参考訳（メタデータ） (2026-09-07T13:47:22Z) - Curvature-Constrained and Constant-Speed Distributed Simultaneous Arrival Control for Multi-Robot Systems [37.30408009317727]
複数の移動ロボットを目標地点に同時到着させることは、協調的な囲い込み、災害救助、環境モニタリングといった協調作業に不可欠である。
本稿では,最大コンセンサスプロトコルに基づく分散スイッチング制御手法を提案する。
提案した制御法の下では,各ロボットは隣接ロボットの最大仮想時間に近づき,軽度条件下での同時到着を実現する。
論文 参考訳（メタデータ） (2026-07-16T09:59:16Z) - RelAfford6D: Relational 6D Affordance Graphs for Constraint-Driven Robotic Manipulation [15.618446008590409]
RelAfford6は複雑な調音オブジェクトのためのトレーニング不要のフレームワークである。
本システムでは,一次相互作用部分を物理的アンカーにリンクする意味的トポロジを推定する。
我々は満足度問題として下流実行を解析的に定式化する。
論文 参考訳（メタデータ） (2026-06-25T13:42:26Z) - Simulation-Informed Diffusion for Decentralized Multi-robot Motion Planning [56.240199425429445]
マルチロボットモーションプランニングでは、各ロボットが局所的な観測から衝突のない軌道を生成する必要がある。
既存のほとんどのプランナは、ローカル観測の静的スナップショットからトラジェクトリを生成する。
本稿では,制約対応拡散モデルに基づく分散フレームワークであるSimulation-Informed Diffusion (SID)を紹介する。
論文 参考訳（メタデータ） (2026-05-26T21:17:53Z) - Graph Neural Planning and Predictive Control for Multi-Robot Communication-Constrained Unlabeled Motion Planning [10.967576917866408]
グラフアテンションプランナー(GATP)と分散モデル予測制御器(NMPC)を組み合わせた階層型フレームワークを提案する。
大規模チームへの一般化の改善,200msまでの通信遅延の堅牢性,および非集中型オンボード・クオータによる実用的な実現可能性を示す。
論文 参考訳（メタデータ） (2026-05-19T00:18:54Z) - One Interface, Many Robots: Unified Real-Time Low-Level Motion Planning for Collaborative Arms [8.276456155150138]
本稿では,協調ロボットアームのリアルタイム低レベル動作計画のための共通インタフェースを提案する。
プログラムソルバとn次補間器を併用して,スムーズかつ連続的な微分可能な軌道を生成する。
論文 参考訳（メタデータ） (2026-04-09T21:50:53Z) - State and Trajectory Estimation of Tensegrity Robots via Factor Graphs and Chebyshev Polynomials [1.1873304786619876]
テンセグリティロボットはコンプライアンスと適応性を提供するが、非線形で制約の少ないダイナミクスは、状態推定を困難にしている。
本稿では,ケーブル駆動型引張ロボットのロバストな状態や軌道推定のための2段階のアプローチを提案する。
オンライン状態推定には、RGB-Dカメラとオンボードケーブル長センサを融合するファクタグラフベースの手法を導入する。
論文 参考訳（メタデータ） (2026-04-09T12:38:47Z) - RADAR: Closed-Loop Robotic Data Generation via Semantic Planning and Autonomous Causal Environment Reset [48.645870795753105]
ロボットのためのロバスト自動データ取得(RADAR)について紹介する。
RADARは完全に自律的でクローズドループのデータ生成エンジンで、収集サイクルから人間の介入を完全に取り除きます。
シミュレーションでは、複雑な長期タスクにおいて、最大90%の成功率を達成する。
論文 参考訳（メタデータ） (2026-03-12T11:18:52Z) - UltraDexGrasp: Learning Universal Dexterous Grasping for Bimanual Robots with Synthetic Data [70.96218513410454]
両面ロボットを用いた普遍的デクスタラスグリップのためのフレームワークであるUltraDexGraspを紹介する。
提案したデータ生成パイプラインは、最適化に基づくグリップ合成と計画に基づくデモ生成を統合する。
我々はUltraDexGrasp-20Mに基づいて、点雲を入力とし、一方向の注意を通してシーン特徴を集約し、制御コマンドを予測する、シンプルで効果的な把握ポリシーを開発した。
論文 参考訳（メタデータ） (2026-03-05T15:54:21Z) - ULTRA: Unified Multimodal Control for Autonomous Humanoid Whole-Body Loco-Manipulation [55.467742403416175]
本稿では,大規模モーションキャプチャをヒューマノイドに変換する物理駆動型ニューラルネットワークを提案する。
我々は高密度参照とスパースタスク仕様の両方をサポートする統合マルチモーダルコントローラを学習する。
その結果,ULTRAは自我中心の知覚から,自律的,目標条件付き全体ロコ操作に一般化することが示された。
論文 参考訳（メタデータ） (2026-03-03T18:59:29Z) - Continuum Robot State Estimation with Actuation Uncertainty [10.610593520475357]
本研究では,連続ロボットの原理的リアルタイム推定手法を提案する。
本手法は比較的少ない状態ノードで高い数値精度を実現する。
全体として,本手法は複数の連続ロボットアーキテクチャをまたいだ原理的,リアルタイムな推定を可能にする。
論文 参考訳（メタデータ） (2026-01-08T01:53:42Z) - RoboScript: Code Generation for Free-Form Manipulation Tasks across Real
and Simulation [77.41969287400977]
本稿では,コード生成を利用したデプロイ可能なロボット操作パイプラインのためのプラットフォームである textbfRobotScript を提案する。
自由形自然言語におけるロボット操作タスクのためのコード生成ベンチマークも提案する。
我々は,Franka と UR5 のロボットアームを含む,複数のロボットエボディメントにまたがるコード生成フレームワークの適応性を実証した。
論文 参考訳（メタデータ） (2024-02-22T15:12:00Z) - SABER: Data-Driven Motion Planner for Autonomously Navigating
Heterogeneous Robots [112.2491765424719]
我々は、データ駆動型アプローチを用いて、異種ロボットチームをグローバルな目標に向けてナビゲートする、エンドツーエンドのオンラインモーションプランニングフレームワークを提案する。
モデル予測制御(SMPC)を用いて,ロボット力学を満たす制御入力を計算し,障害物回避時の不確実性を考慮した。
リカレントニューラルネットワークは、SMPC有限時間地平線解における将来の状態の不確かさを素早く推定するために用いられる。
ディープQ学習エージェントがハイレベルパスプランナーとして機能し、SMPCにロボットを望ましいグローバルな目標に向けて移動させる目標位置を提供する。
論文 参考訳（メタデータ） (2021-08-03T02:56:21Z)
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。