論文の概要: The Nonsmooth Impact Direction (NSID) of Robotic Systems
- arxiv url: http://arxiv.org/abs/2607.13768v1
- Date: Wed, 15 Jul 2026 12:29:09 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-16 16:39:12.75848
- Title: The Nonsmooth Impact Direction (NSID) of Robotic Systems
- Title（参考訳）: ロボットシステムの非平滑衝撃方向(NSID)
- Abstract要約: 非平滑な衝撃方向(NSID)がロボットの衝撃の特徴的な方向であることを示す。
非弾性およびフレキシブルな関節を持つシステムの特異性や制約のないシステムに対処する。
この研究は、様々なロボティック・インパクト・アプリケーションのための将来の計画と制御アルゴリズムの基礎となるかもしれない。
- 参考スコア（独自算出の注目度）: 7.759792392715686
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Collisions of rigid-link robots and rigid environments are often modeled as instantaneous events. Under this idealization, the impact forces become impulsive and the system velocities nonsmooth. In this work, we systematically analyze pre- and post-impact velocities focusing on what we refer to as the nonsmooth impact direction (NSID). We show that it is a characteristic direction of a robotic impact and largely independent of contact properties. The results are directly applicable to large classes of backdrivable robotic systems with rigid links. We address particularities of systems with nonelastic and flexible joints, unconstrained as well as constrained systems. Further, we show that the approach direction w.r.t the NSID sets the direction of the impulsive force in frictional, inelastic impacts. The comprehensive theoretical analysis of this work supported by an experimental validation may serve as a foundation for future planning and control algorithms for various robotic impact applications. These can include humanoid locomotion on a slippery surface or repetitive hammering.
- Abstract（参考訳）: 剛体リンクロボットと剛体環境の衝突は、しばしば瞬間的な出来事としてモデル化される。
この理想化の下で、衝撃力は衝動的になり、系速度は非滑らかになる。
本研究は,非平滑衝撃方向(NSID)と呼ばれるものに着目し,前・後速度を系統的に解析する。
ロボットによる衝撃の特徴的な方向であり、接触特性に大きく依存していることが示される。
結果は、剛体リンクを持つバックドライブ可能なロボットシステムの大規模なクラスに直接適用することができる。
非弾性およびフレキシブルな関節を持つシステムの特異性や制約のないシステムに対処する。
さらに、NSIDの接近方向は、摩擦的、非弾性的な影響において、インパルス力の方向を設定することを示す。
実験的な検証によって支持されるこの研究の包括的な理論的分析は、様々なロボティック・インパクト・アプリケーションのための将来の計画と制御のアルゴリズムの基礎となる可能性がある。
これらには、滑りやすい表面でのヒューマノイドの移動や、繰り返し打つことが含まれる。
関連論文リスト
- PRIME: Physically-consistent Robotic Inertial and Motion Estimation for Legged and Humanoid Robots [6.944742823560998]
本研究では,実世界の展開において,車載キネマティクスから正確な動き推定を可能にするPRIMEを提案する。
提案手法は,滑らかな相補性制約とAnitescuスタイルの摩擦モデルを備えた異種接触力学を取り入れたものである。
PRIMEは、大規模な振る舞いモデリングやロボット基礎モデルなど、下流学習アプリケーションに高品質なデータを提供するように調整することができる。
論文 参考訳（メタデータ） (2026-05-17T22:43:10Z) - Learn Weightlessness: Imitate Non-Self-Stabilizing Motions on Humanoid Robot [56.377161933570335]
人間は自然に非自己安定化(NSS)運動中に「無重力」状態を利用する。
この生物学的メカニズムに着想を得て,データセットのアノテーションに対する無重力自動ラベル方式を提案する。
我々の研究は、正確な軌道追跡と適応的な環境相互作用のギャップを埋め、接触リッチなヒューマノイド制御のための生物学的にインスパイアされたソリューションを提供する。
論文 参考訳（メタデータ） (2026-04-23T07:10:05Z) - Neural Assistive Impulses: Synthesizing Exaggerated Motions for Physics-based Characters [13.307372537282333]
インパルスニューラルコントロール(インパルスニューラルコントロール、英: Impulse Neural Control)は、数値安定性を確保するために、インパルス空間の外部補助を強制空間ではなく再構成するフレームワークである。
我々の手法は、高度にアジャイルで、動的に実現不可能な操作のロバストな追跡を可能にすることを実証する。
論文 参考訳（メタデータ） (2026-04-07T03:47:14Z) - Learning Smooth and Robust Space Robotic Manipulation of Dynamic Target via Inter-frame Correlation [12.529803316934176]
微小重力環境では、物体は通常自由浮遊であり、地球上で見られる支持や摩擦の制約が欠如している。
本稿では、歴史的時間的情報とフレーム間相関機構を統合したデータ駆動型宇宙ロボット操作手法を提案する。
論文 参考訳（メタデータ） (2026-03-29T06:27:30Z) - HAIC: Humanoid Agile Object Interaction Control via Dynamics-Aware World Model [56.4392302336014]
本稿では,外部状態推定を伴わない多種多様なオブジェクトダイナミクス間のロバストな相互作用のためのフレームワークであるHAICを提案する。
我々の重要な貢献は、主観的歴史のみから高次対象状態(速度、加速度)を推定するダイナミクス予測器である。
ヒューマノイドロボットの実験では、HAICはアジャイルタスクで高い成功率を達成する。
論文 参考訳（メタデータ） (2026-02-12T09:34:35Z) - HUSKY: Humanoid Skateboarding System via Physics-Aware Whole-Body Control [67.58927286226925]
本稿では,ヒューマノイド・スケータボードシステムモデリングと物理を意識した全身制御を統合した学習ベースのフレームワークを提案する。
Unitree G1のヒューマノイドプラットフォームでの実験では、現実のシナリオにおいて、私たちのフレームワークがスケートボード上で安定的でアジャイルな操作を可能にすることが示されています。
論文 参考訳（メタデータ） (2026-02-03T07:18:01Z) - Spatial-Temporal Graph Diffusion Policy with Kinematic Modeling for Bimanual Robotic Manipulation [88.83749146867665]
既存のアプローチは、遠く離れた次のベストなエンドエフェクタのポーズを予測するポリシーを学びます。
すると、運動に対する対応する関節回転角を逆運動学を用いて計算する。
本稿では,Kinematics 拡張空間テンポアル gRaph diffuser を提案する。
論文 参考訳（メタデータ） (2025-03-13T17:48:35Z) - 6N-DoF Pose Tracking for Tensegrity Robots [5.398092221687385]
引張ロボットは剛性圧縮要素(ロッド)と柔軟な引張要素(ケーブルなど)から構成される
この研究は、マーカーのない視覚に基づく方法で、緊張するロボットのポーズトラッキングに対処することを目的としている。
RGB-Dビデオから張力ロボットの各剛体要素の6-DoFポーズを反復的に推定するプロセスを提案する。
論文 参考訳（メタデータ） (2022-05-29T20:55:29Z) - 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) - OSCAR: Data-Driven Operational Space Control for Adaptive and Robust
Robot Manipulation [50.59541802645156]
オペレーショナル・スペース・コントロール(OSC)は、操作のための効果的なタスクスペース・コントローラとして使われてきた。
本稿では,データ駆動型OSCのモデル誤差を補償するOSC for Adaptation and Robustness (OSCAR)を提案する。
本手法は,様々なシミュレーション操作問題に対して評価し,制御器のベースラインの配列よりも大幅に改善されていることを示す。
論文 参考訳（メタデータ） (2021-10-02T01:21:38Z)
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。