論文の概要: Wearing A Coat: Dual-Arm Robot-Assisted Dressing with Differentiable Clothing Simulation

• arxiv url: http://arxiv.org/abs/2607.10999v1
• Date: Mon, 13 Jul 2026 01:58:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-14 17:47:21.298505
• Title: Wearing A Coat: Dual-Arm Robot-Assisted Dressing with Differentiable Clothing Simulation
• Title（参考訳）: コートを着る:二関節ロボットによる着衣シミュレーションによるドレッシング
• Abstract要約: 本稿では,リアルタイムな衣料シミュレーションを取り入れたロボットドレッシング制御アルゴリズムを提案する。 シミュレーションおよび物理的ドレッシングのシナリオを用いて,我々のアプローチを実験的に検証した。
• 参考スコア（独自算出の注目度）: 23.068937683212212
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The development of assistive robots for dressing tasks serves to augment human convenience and improve the quality of life for individuals with physical impairments. However, due to the intricate contact interactions between garments and the human limbs during dressing, most robot-assisted dressing algorithms treat clothing as an assembly of discrete segments, thereby struggling to manage the partial worn garments under contact constraints. To overcome this challenge, we propose a novel robotic dressing control algorithm that integrates realtime differentiable clothing simulation. The simulation algorithm employs explicit iterative scheme with intentionally introduced higher-order perturbations to enhance computational efficiency while maintaining stability under large time-step conditions. Through simulation, we resolve the garment state under contact constraints, which then enables a multi-phase control strategy for successful coat dressing assistance. To further improve real-time performance, we introduce a constrained local model along with its corresponding optimization solver, permitting high-frequency local compensation for the differentiable simulation based global controller. Finally, we experimentally validate our approach through both simulated and physical dressing scenarios, conclusively demonstrating its feasibility and efficacy
• Abstract（参考訳）: 作業支援ロボットの開発は、人間の利便性を高め、身体障害者の生活の質を向上させるのに役立つ。 しかし、衣料品と人間の手足の複雑な接触相互作用により、ほとんどのロボット支援ドレッシングアルゴリズムは、衣服を個別のセグメントの集合体として扱い、接触制約下で部分的な衣服を管理するのに苦労する。 この課題を克服するために,実時間で微分可能な衣料シミュレーションを統合するロボットドレッシング制御アルゴリズムを提案する。 シミュレーションアルゴリズムは、意図的に高次摂動を導入した明示的な反復スキームを用いて、大きな時間ステップ条件下での安定性を維持しながら、計算効率を向上させる。 シミュレーションにより, 接触制約下での衣服状態の解決を行い, コートドレッシング支援を成功させるための多相制御戦略を実現する。 実時間性能をさらに向上するため,実時間シミュレーションに基づく大域的制御系において,制約付き局所モデルと対応する最適化解法を導入し,高周波局所補償を実現する。 最後に,シミュレートドレッシングと物理的ドレッシングの両シナリオによるアプローチを実験的に検証し,その実現可能性と有効性を確認した。

関連論文リスト

• A Replay-Constrained Simulation Framework for Personalization of Powered Knee--Ankle Prosthesis Controllers [11.765906112645466]
  電動義足用インピーダンスコントローラのパーソナライズは、個々の歩行を調節するために重要であるが、依然として困難である。 MuJoCoをベースとしたシミュレーターは、記録されたヒップキネマティクスとフィードバックに基づくグラウンド反応力を再生しながら、人工膝関節の力学を再現する。 深部強化学習政策は、両関節における相依存性の剛性、減衰、平衡角を同時にパーソナライズする。
  論文  参考訳（メタデータ） (2026-07-24T18:59:48Z)
• Real-Time and Accurate Collision-Free Teleoperation via Differentiable Constraint-Based Trajectory Planning [1.4699455652461726]
  この問題を緩和するための一般的な戦略は、最適制御に基づく軌道計画を用いて演算子の入力を強化することである。 我々は、凸最適化における双対性に基づいて、最近の微分可能な衝突回避制約の定式化を遠隔操作設定に適用する。 その結果,提案手法はより高精度な障害物モデリングを実現するとともに,計算時間を短縮できることがわかった。
  論文  参考訳（メタデータ） (2026-06-07T16:39:56Z)
• Dynamic Modeling and Robust Gait Optimization of a Compliant Worm Robot [6.048766517808481]
  本稿では,共振管を走行可能なロボットのモデリングと最適化の枠組みを実験的に検討する。 平均出力を最小化しながら平均速度を最大化する多目的歩行最適化問題を定式化する。 その結果,提案手法はロボットの移動とエネルギー消費の優位性を捉えていることがわかった。
  論文  参考訳（メタデータ） (2026-04-13T20:20:03Z)
• 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)
• Force-Modulated Visual Policy for Robot-Assisted Dressing with Arm Motions [17.312909681066174]
  我々は、部分的な観察を処理し、腕の動きに頑健に適応できるロボット支援ドレッシングシステムを開発した。 部分観察によるシミュレーションで訓練されたポリシーを前提として,実世界の微調整手法を提案する。 提案手法は,単純化された人間のメッシュを用いたシミュレーションと,12人の参加者による実世界人間実験で評価した。
  論文  参考訳（メタデータ） (2025-09-16T06:53:18Z)
• Sim-to-Real Reinforcement Learning for Vision-Based Dexterous Manipulation on Humanoids [56.892520712892804]
  本稿では,ヒューマノイドロボットを訓練して3つの巧妙な操作を行う,実用的なシミュレート・トゥ・リアルなRLレシピを提案する。 未確認のオブジェクトやロバストで適応的な政策行動に対して高い成功率を示す。
  論文  参考訳（メタデータ） (2025-02-27T18:59:52Z)
• DiAReL: Reinforcement Learning with Disturbance Awareness for Robust Sim2Real Policy Transfer in Robot Control [0.0]
  遅延マルコフ決定プロセスは、最近コミットされたアクションの有限時間ウィンドウでエージェントの状態空間を拡大することでマルコフ特性を満たす。 本稿では,遅延した環境下での乱れ増進型マルコフ決定プロセスを導入し,政治強化学習アルゴリズムのトレーニングにおける乱れ推定を取り入れた新しい表現法を提案する。
  論文  参考訳（メタデータ） (2023-06-15T10:11:38Z)
• Rearrange Indoor Scenes for Human-Robot Co-Activity [82.22847163761969]
  本稿では,室内家具を人間ロボットのコアクティビティを向上するために,室内家具の配置を最適化した枠組みを提案する。 提案アルゴリズムは,SUNCGとConceptNetから抽出した空間的・意味的共起情報を統合することにより,家具間の機能的関係を保っている。 実験の結果、アレンジされたシーンは平均して14%のスペースを提供し、30%以上のオブジェクトをやりとりできることがわかった。
  論文  参考訳（メタデータ） (2023-03-10T03:03:32Z)
• Towards Scalable Unpaired Virtual Try-On via Patch-Routed Spatially-Adaptive GAN [66.3650689395967]
  本稿では,現実世界の仮想試行を支援するテクスチャ保存型終末ネットワークであるPAtch-routed SpaTially-Adaptive GAN (PASTA-GAN)を提案する。 PASTA-GANは、各衣服のスタイルと空間情報をアンタングルするために、革新的なパッチを外したアンタングルモジュールで構成されている。
  論文  参考訳（メタデータ） (2021-11-20T08:36:12Z)
• 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)
• An automatic differentiation system for the age of differential privacy [65.35244647521989]
  Tritiumは、微分プライベート(DP)機械学習(ML)のための自動微分ベース感度分析フレームワークである 我々は、微分プライベート(DP)機械学習(ML)のための自動微分に基づく感度分析フレームワークTritiumを紹介する。
  論文  参考訳（メタデータ） (2021-09-22T08:07:42Z)
• 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)
• Learning Compliance Adaptation in Contact-Rich Manipulation [81.40695846555955]
  本稿では,コンタクトリッチタスクに必要な力プロファイルの予測モデルを学習するための新しいアプローチを提案する。 このアプローチは、双方向Gated Recurrent Units (Bi-GRU) に基づく異常検出と適応力/インピーダンス制御を組み合わせたものである。
  論文  参考訳（メタデータ） (2020-05-01T05:23:34Z)

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。