論文の概要: Manifold-Guided Motion Planning for Tight Assemblies
- arxiv url: http://arxiv.org/abs/2607.17898v1
- Date: Mon, 20 Jul 2026 12:46:27 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-21 18:48:37.618893
- Title: Manifold-Guided Motion Planning for Tight Assemblies
- Title（参考訳）: タイトアセンブリのマニフォールドガイドによる動作計画
- Abstract要約: クリティカルマニフォールドガイドRT(Critical-Manifold Guided RRT、CMG-RRT)は、タイトな組立問題に特化して設計されたサンプリングベースのプランナーである。
我々のキーとなる観察は、緊密な集合において、有効な解経路が臨界多様体の上または近くにあることである。
CMG-RRTは、臨界多様体の近傍へのサンプリングを適応的にバイアスすることで探索を導く。
- 参考スコア（独自算出の注目度）: 5.967279020820772
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Motion planning for rigid-body assembly poses a fundamental challenge in robotics due to tight geometric constraints. In such scenarios, feasible motions often require passing through (near-)zero clearance configurations in which the parts are tightly constrained by contact. In this work, we introduce Critical-Manifold Guided RRT (CMG-RRT), a sampling-based planner designed specifically for tight assembly problems. Our key observation is that in tight assemblies, valid solution paths lie on or near a critical manifold: the subset of configuration space consisting of poses with at least one contact point between parts. CMG-RRT guides exploration by adaptively biasing sampling toward neighborhoods of the critical manifold using a hierarchical subdivision of the configuration space. We prove that CMG-RRT is probabilistically complete under standard clearance assumptions. Empirical evaluation on challenging rotational assembly benchmarks demonstrates a 100% success rate across all tested instances, including, to the best of our knowledge, the first fully automatic solution of the Elk disentanglement puzzle. Our open source software is available through our project page: https://www.cgl.cs.tau.ac.il/projects/tight-assembly-planning.
- Abstract（参考訳）: 剛体組立のための運動計画は、厳密な幾何学的制約のためにロボット工学において根本的な課題となる。
このようなシナリオでは、実現可能な動きは、接触によって部品が厳しく拘束される(近傍)ゼロクリアランス構成を通さなければならないことが多い。
本稿では,厳密な組立問題に特化して設計されたサンプリングベースプランナであるCritical-Manifold Guided RRT(CMG-RRT)を紹介する。
我々のキーとなる観察は、緊密な集合において、有効解経路が臨界多様体上または近くにあることである: 構成空間のサブセットは、少なくとも1つの接触点を持つポーズからなる。
CMG-RRTは、構成空間の階層的部分分割を用いた臨界多様体の近傍へのサンプリングを適応的にバイアスすることで探索を導く。
CMG-RRTは標準クリアランス仮定の下で確率論的に完備であることを示す。
挑戦的なローテーションアセンブリベンチマークに関する実証的な評価は、テストされたすべてのインスタンスで100%の成功率を示しています。
私たちのオープンソースソフトウェアは、プロジェクトページから入手可能です。
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) - Coupled Routing and Configuration Optimization for Multi-Viewpoint Robotic Inspection [4.164290233214403]
9-DoFロボットシステムにおいて、6-DoF検査の視点を時間的・衝突のない経路に変換する統一的な枠組みを提案する。
ビュー毎の1つの逆キネマティクス(IK)構成を固定するモジュールパイプラインとは異なり、全ペアの旅行時間マップを構築し、ルートを作成すれば、単一のグローバル検索において、訪問順序と視点ごとの設定を協調的に最適化できる。
論文 参考訳（メタデータ） (2026-06-17T17:14:54Z) - Connectivity-Aware Representations for Constrained Motion Planning via Multi-Scale Contrastive Learning [6.0393663164774125]
制約された動き計画の目的は、タスク固有の制約を満たしながら開始とゴールの設定を接続することである。
本稿では,これらの課題に対して,計画前に開始と目標の設定を選択するための接続性を考慮した表現を学習することによって解決する。
論文 参考訳（メタデータ） (2026-03-26T10:44:21Z) - LiveClawBench: Benchmarking LLM Agents on Complex, Real-World Assistant Tasks [58.3639630490749]
実世界のアシスタントタスク上でLLMエージェントを評価するベンチマークであるLiveClawBenchを紹介する。
様々な実Clawの使用事例の分析に基づいて、三重軸複雑度フレームワークを導出する。
我々は,実世界のアシスタントタスクをカバーする,明示的な複雑性要素アノテーションを用いたパイロットベンチマークを構築した。
論文 参考訳（メタデータ） (2026-03-20T16:08:21Z) - TangramPuzzle: Evaluating Multimodal Large Language Models with Compositional Spatial Reasoning [104.66714520975837]
古典的タングラムゲームのレンズを通して構成空間推論を評価するために,幾何グラウンドのベンチマークを導入する。
本稿では,タングラム集合を正確に機械で検証可能な座標仕様でグルーピングする記号幾何学的枠組みであるタングラム構成式(TCE)を提案する。
MLLMは、幾何学的制約を無視しながら、ターゲットのシルエットとのマッチングを優先する傾向がある。
論文 参考訳（メタデータ） (2026-01-23T07:35:05Z) - Towards Zero-Shot Point Cloud Registration Across Diverse Scales, Scenes, and Sensor Setups [41.033896572767496]
ゼロショット一般化を実現するトレーニングフリー登録フレームワークであるBUFFER-Xを提案する。
提案手法は階層型マルチスケールマッチングを用いて,局所,中,大域の受容領域にまたがる対応を抽出する。
効率クリティカルなアプリケーションでは、BUFFER-X-Liteを導入し、総時間を43%削減する。
論文 参考訳（メタデータ） (2026-01-06T06:51:24Z) - Benchmarking LLMs' Swarm intelligence [51.648605206159125]
大規模言語モデル(LLM)は複雑な推論の可能性を秘めているが、マルチエージェントシステム(MAS)における創発的協調の能力はほとんど探索されていない。
分散エージェントとして機能するLDMのタスクを体系的に評価する新しいベンチマークであるSwarmBenchを紹介する。
本稿では,協調効率の指標を提案し,創発的グループダイナミクスを解析する。
論文 参考訳（メタデータ） (2025-05-07T12:32:01Z) - Reinforcement learning with combinatorial actions for coupled restless bandits [62.89013331120493]
提案するSEQUOIAは,動作空間に対する長期報酬を直接最適化するRLアルゴリズムである。
我々は,複数介入,経路制約,二部間マッチング,容量制約という,制約を伴う4つの新しいレスレス・バンディット問題に対して,SEQUOIAを実証的に検証した。
論文 参考訳（メタデータ） (2025-03-01T21:25:21Z) - Disentangled Representation Learning with the Gromov-Monge Gap [65.73194652234848]
乱れのないデータから歪んだ表現を学習することは、機械学習における根本的な課題である。
本稿では,2次最適輸送に基づく非交叉表現学習手法を提案する。
提案手法の有効性を4つの標準ベンチマークで示す。
論文 参考訳（メタデータ） (2024-07-10T16:51:32Z) - Temporal Perceiver: A General Architecture for Arbitrary Boundary
Detection [48.33132632418303]
ジェネリック境界検出(GBD)は、動画をセマンティック・コヒーレントと分類なしの単位に分割する一般的な境界を特定することを目的としている。
従来の研究では、単純なCNNからLSTMまでの複雑なディープネットワークの設計で、これらの異なるレベルの汎用境界を別々に扱っていた。
本稿では,Transformer を用いた汎用アーキテクチャである Temporal Perceiver について述べる。
論文 参考訳（メタデータ） (2022-03-01T09:31:30Z)
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。