論文の概要: VAMP-MR: Vector-Accelerated Motion Planning and Execution for Multi-Robot-Arms

• arxiv url: http://arxiv.org/abs/2607.13478v1
• Date: Wed, 15 Jul 2026 06:13:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-16 16:39:12.669285
• Title: VAMP-MR: Vector-Accelerated Motion Planning and Execution for Multi-Robot-Arms
• Title（参考訳）: VAMP-MR:マルチロボットアームのベクトル加速度運動計画と実行
• Abstract要約: 本稿では,リアルタイムに近い動作生成が可能なマルチロボットアーム型モーションプランナについて紹介する。 CPU SIMD命令に基づいて、我々の新しいプランナーは、主要なボトルネック、衝突チェックを加速し、最大2桁のスピードアップを達成する。
• 参考スコア（独自算出の注目度）: 4.626026084356204
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Multi-robot-arm motion planning is a key challenge in deploying multiple manipulators for industrial tasks such as manufacturing. Existing search-based and sampling-based solvers often require significant computation time to produce collision-free, high-quality motions suitable for safe real-world execution. In this work, we introduce a new suite of multi-robot-arm motion planners capable of near real-time motion generation, combining classical planning algorithms with state-of-the-art vectorized collision-checking techniques. Based on CPU SIMD instructions, our new planners accelerate their primary bottleneck, collision checking, and achieve up to two orders of magnitude speedup in both motion planning and execution postprocessing for multi-arm manipulation tasks. We also release our implementation to lower the barrier for research and development of multi-robot-arm planning and manipulation problems. Code is available at https://vamp-mr.github.io/vamp-mr
• Abstract（参考訳）: マルチロボットアームのモーションプランニングは、製造などの産業タスクのために複数のマニピュレータを配置する上で重要な課題である。 既存のサーチベースおよびサンプリングベースのソルバは、安全な実世界の実行に適した衝突のない高品質な動きを生成するのに、かなりの計算時間を必要とすることが多い。 本研究では,従来の計画アルゴリズムと最先端ベクトル化衝突検定技術を組み合わせた,リアルタイムに近い動作生成が可能なマルチロボットアーム型モーションプランナについて紹介する。 CPU SIMD命令に基づいて、新しいプランナは、主要なボトルネック、衝突チェックを加速し、マルチアーム操作タスクの動作計画と実行後処理の両方において最大2桁のスピードアップを達成する。 また,マルチロボットアームの計画・操作問題の研究・開発における障壁を低くする実装もリリースした。 コードはhttps://vamp-mr.github.io/vamp-mrで入手できる。

関連論文リスト

• Multi-Robot Motions in Milliseconds: Vector-Accelerated Primitives for Sampling-Based Planning [1.0781866671930855]
  VAMP(Vector-Accelerated Motion Planning)フレームワークをMRMP(Multi-Robot Motion Planning)に拡張する。 ベクトル加速プリミティブであるMulti-robot MotionValidation(MotVal)とFindFirstConflict(FFC)を開発した。 純粋なマルチロボット動作検証テストでは、検証時間で1100倍以上のスピードアップを達成する。
  論文  参考訳（メタデータ） (2026-04-27T02:07:14Z)
• REMAC: Self-Reflective and Self-Evolving Multi-Agent Collaboration for Long-Horizon Robot Manipulation [57.628771707989166]
  本稿では,ReMACと呼ばれる適応型マルチエージェント計画フレームワークを提案する。 ReMACには2つの重要なモジュールが組み込まれており、ループ内で事前条件と後条件チェックを実行し、進捗と計画の洗練を評価する。
  論文  参考訳（メタデータ） (2025-03-28T03:51:40Z)
• FAST: Efficient Action Tokenization for Vision-Language-Action Models [98.15494168962563]
  離散コサイン変換に基づくロボット動作のための圧縮に基づく新しいトークン化手法を提案する。 FASTをベースとしたFAST+は,100万個のリアルロボットアクショントラジェクトリに基づいて訓練されたユニバーサルロボットアクショントークンである。
  論文  参考訳（メタデータ） (2025-01-16T18:57:04Z)
• RobotDiffuse: Motion Planning for Redundant Manipulator based on Diffusion Model [13.110235244912474]
  冗長マニピュレータは、キネマティック性能と汎用性の向上を提供する。 これらのマニピュレータの動作計画は、DOFの増加と複雑な動的環境のために困難である。 本稿では,冗長マニピュレータにおける運動計画のための拡散モデルに基づくロボットディフューズを提案する。
  論文  参考訳（メタデータ） (2024-12-27T07:34:54Z)
• Accelerating Search-Based Planning for Multi-Robot Manipulation by Leveraging Online-Generated Experiences [20.879194337982803]
  MAPF(Multi-Agent Path-Finding)アルゴリズムは、離散的な2Dドメインで保証され、厳密な保証を提供する。 本稿では,その反復的かつ漸進的な性質を活用して,競合に基づく探索アルゴリズムを高速化する手法を提案する。
  論文  参考訳（メタデータ） (2024-03-29T20:31:07Z)
• Neural Implicit Swept Volume Models for Fast Collision Detection [0.0]
  本稿では,深層学習に基づく符号付き距離計算の高速化と幾何衝突チェッカーの精度保証を併用したアルゴリズムを提案する。 シミュレーションおよび実世界のロボット実験において、我々のアプローチを検証するとともに、商用ビンピッキングアプリケーションを高速化できることを実証する。
  論文  参考訳（メタデータ） (2024-02-23T12:06:48Z)
• 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)
• AlphaBlock: Embodied Finetuning for Vision-Language Reasoning in Robot Manipulation [50.737355245505334]
  本稿では,ロボット操作タスクにおける高レベル認知能力を学習するための新しいフレームワークを提案する。 得られたデータセットAlphaBlockは、多段階のテキストプランとペア観測による35の包括的なハイレベルタスクで構成されている。
  論文  参考訳（メタデータ） (2023-05-30T09:54:20Z)
• 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)
• ReLMoGen: Leveraging Motion Generation in Reinforcement Learning for Mobile Manipulation [99.2543521972137]
  ReLMoGenは、サブゴールを予測するための学習されたポリシーと、これらのサブゴールに到達するために必要な動作を計画し実行するためのモーションジェネレータを組み合わせたフレームワークである。 本手法は,フォトリアリスティック・シミュレーション環境における7つのロボットタスクの多種多様なセットをベンチマークする。 ReLMoGenは、テスト時に異なるモーションジェネレータ間で顕著な転送可能性を示し、実際のロボットに転送する大きな可能性を示している。
  論文  参考訳（メタデータ） (2020-08-18T08:05:15Z)

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。