論文の概要: CR-Solver: GPU-Accelerated Kinematics Solver for Tendon-driven Continuum Robots
- arxiv url: http://arxiv.org/abs/2607.11340v2
- Date: Tue, 21 Jul 2026 07:10:35 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-22 14:48:36.042451
- Title: CR-Solver: GPU-Accelerated Kinematics Solver for Tendon-driven Continuum Robots
- Title（参考訳）: CRソルバー:テンドン駆動連続ロボットのためのGPU加速キネマティクスソルバー
- Authors: Heqing Yang, Yang Yi, Linqing Zhong, Linjiang Huang, Si Liu,
- Abstract要約: 腱駆動型連続体ロボットの動作生成のための2段階最適化に基づく解法を提案する。
本手法は,1つの制約付き非線形最適化フレームワーク内での逆運動学,経路追従,軌道計画を統一する。
提案手法は3つのタスクに対して検証し、従来のCPUベースの解法よりも大幅に高速化され、95%以上の成功率とミリレベルの精度が一貫して達成された。
- 参考スコア（独自算出の注目度）: 18.541022260976348
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Continuum robots provide intrinsic compliance, high dexterity, and safe physical interaction, enabling navigation and manipulation in confined and unstructured environments. Despite recent advances in sensing and control, heightening the need for precise motion generation, most widely used planning libraries are grounded in rigid-body assumptions, creating a critical gap for fast and practical tools for continuum robots. To address this, we present CR-Solver, a two-stage, optimization-based solver for the motion generation of tendon-driven continuum robots. Our method unifies inverse kinematics, path following, and trajectory planning within a single constrained nonlinear optimization framework. Leveraging GPU-accelerated parallel optimization, CR-Solver delivers fast, accurate, and constraint-aware solutions. We validate our approach on three tasks, demonstrating significant speedups over traditional CPU-based solvers while achieving a consistently high success rate above 95% and millimeter-level accuracy. The solver is implemented in pure Python, reducing the barrier to adoption and offering a practical, extensible foundation for continuum robots' high-performance motion planning.
- Abstract（参考訳）: 連続ロボットは、固有のコンプライアンス、高デキスタリティ、安全な物理的相互作用を提供し、制限された非構造環境におけるナビゲーションと操作を可能にする。
近年のセンシングと制御が進歩し、正確な動作生成の必要性が高まったにもかかわらず、最も広く使われている計画ライブラリは剛体仮定に基づいており、連続体ロボットのための高速で実用的なツールにとって重要なギャップを形成している。
そこで本研究では,腱駆動型連続体ロボットの動作生成のための2段階最適化法であるCR-Solverを提案する。
本手法は,1つの制約付き非線形最適化フレームワーク内での逆運動学,経路追従,軌道計画を統一する。
GPUアクセラレーションによる並列最適化を活用することで、CR-Solverは高速で正確で制約対応のソリューションを提供する。
提案手法は3つのタスクに対して検証し、従来のCPUベースの解法よりも大幅に高速化され、95%以上の成功率とミリレベルの精度が一貫して達成された。
このソルバは純粋なPythonで実装されており、採用の障壁を減らし、継続ロボットの高性能な動作計画のための実用的で拡張可能な基盤を提供する。
関連論文リスト
- Navigating the Clutter: Waypoint-Based Bi-Level Planning for Multi-Robot Systems [54.887871365121775]
乱雑な環境におけるマルチロボット制御は、複雑な物理的制約を伴う難しい問題である。
タスクとモーションプランニングを協調的に最適化するハイブリッドマルチロボット制御フレームワークを提案する。
我々のアプローチは、動作に依存しないベースラインとVLAベースのベースラインよりもタスクの成功を継続的に改善する。
論文 参考訳（メタデータ） (2026-04-22T22:58:47Z) - AsyncVLA: An Asynchronous VLA for Fast and Robust Navigation on the Edge [49.66156306240961]
高レイテンシは制御ループを壊し、リアルタイムデプロイメントでは安全でない強力なモデルをレンダリングする。
リアクティブ実行からセマンティック推論を分離する非同期制御フレームワークであるAsyncVLAを提案する。
AsyncVLAは、最先端のベースラインよりも40%高い成功率を達成する。
論文 参考訳（メタデータ） (2026-02-13T21:31:19Z) - CRoSS: A Continual Robotic Simulation Suite for Scalable Reinforcement Learning with High Task Diversity and Realistic Physics Simulation [46.950823663585425]
継続的な強化学習では、エージェントは以前取得したポリシーを忘れずに一連のタスクから学ぶ必要がある。
本稿では,ガゼボシミュレータで現実的にシミュレーションされたロボットをベースとしたCRLのための新しいベンチマークスイートを提案する。
論文 参考訳（メタデータ） (2026-02-04T18:54:26Z) - db-LaCAM: Fast and Scalable Multi-Robot Kinodynamic Motion Planning with Discontinuity-Bounded Search and Lightweight MAPF [19.27447010190815]
最先端のマルチロボットキノダイナミックモーションプランナーは、計算負荷が大きいため、いくつかのロボットを扱うのに苦労している。
我々は、現代のマルチエージェントパス探索アルゴリズムのスケーラビリティと速度と、キノダイナミックプランナーの動的認識を組み合わせ、これらの制限に対処する。
論文 参考訳（メタデータ） (2025-12-07T11:17:10Z) - JAX-IK: Real-Time Inverse Kinematics for Generating Multi-Constrained Movements of Virtual Human Characters [0.0]
本稿では,現実的な人間のような運動生成に特化して設計された,新しいリアルタイム逆キネマティクス(IK)解法を提案する。
本手法は,前方および逆運動学を微分可能な演算として扱うことにより,誤差蓄積や複雑な関節限界といった共通問題に効果的に対処する。
その結果,IKソルバは高速収束,反復時間あたりの計算オーバーヘッドの最小化,既存手法と比較して成功率の向上を実現していることがわかった。
論文 参考訳（メタデータ） (2025-07-01T14:26:30Z) - Simultaneous Contact-Rich Grasping and Locomotion via Distributed
Optimization Enabling Free-Climbing for Multi-Limbed Robots [60.06216976204385]
移動, 把握, 接触問題を同時に解くための効率的な運動計画フレームワークを提案する。
ハードウェア実験において提案手法を実証し, より短い計画時間で, 傾斜角45degで自由クライミングを含む様々な動作を実現できることを示す。
論文 参考訳（メタデータ） (2022-07-04T13:52:10Z) - 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。