論文の概要: FIRMGrasp: A Friction-Informed Risk Margin for Robust Grasp Synthesis
- arxiv url: http://arxiv.org/abs/2607.25049v1
- Date: Mon, 27 Jul 2026 20:19:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-29 20:50:42.615142
- Title: FIRMGrasp: A Friction-Informed Risk Margin for Robust Grasp Synthesis
- Title（参考訳）: FIRMGrasp:ロバストグラフ合成のための摩擦インフォームドリスクマージン
- Authors: Clinton Enwerem, John S. Baras, Calin Belta,
- Abstract要約: FIRMGraspは、条件付き値-アット・リスク測度に根ざした摩擦揮発性を考慮した把握品質指標のファミリーである。
本測定では, CVaR法により測定した摩擦尾部の力-遮断マージンについて検討した。
信頼性レベル$$の単調性、グリップパラメータの微分性、確率的クロージャ証明書を確立する。
- 参考スコア（独自算出の注目度）: 5.99447754429793
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Classical grasp quality metrics assume a single deterministic friction coefficient, so they cannot predict whether a grasp retains force closure across the range of friction values the contacting surfaces may exhibit. To predict these failures, we present FIRMGrasp, a family of friction-volatility-aware grasp quality metrics grounded in the Conditional Value-at-Risk (CVaR) risk measure. Unlike standard grasp quality assessors that assume a single friction realization, our metric evaluates the force-closure margin at the CVaR-discounted mean of the adverse friction tail, yielding a risk-adjusted margin $\varepsilon^{(β)}$, the inscribed-ball radius of the risk-adjusted wrench space. We establish its monotonicity in the confidence level $β$, its differentiability in the grasp parameters, and a probabilistic closure certificate that guarantees force closure with probability at least $β$ whenever $\varepsilon^{(β)}$ is positive. Under a calibrated friction distribution, analytic evaluation shows our $\varepsilon^{(β)}$ metric identifies friction-sensitive grasps that the nominal Ferrari-Canny epsilon rates as high-quality, and we compare against the nominal epsilon and recent differentiable baselines. Across 1,599 LEAP Hand and Allegro Hand grasps, 53% of the grasps the nominal Ferrari-Canny margin certifies lose force closure in the adverse friction tail. On the same set, the nominal margin separates realized shake and pick success with probabilities of only 0.53 and 0.67, near chance on shake success, whereas $\varepsilon^{(β)}$ orders the pair correctly with probabilities of 0.63 and 0.78, respectively. In simulated lift trials with gravity enabled at an adverse friction coefficient of 0.2, grasps $\varepsilon^{(β)}$ certifies reach a 70% success rate under lateral pull, against 25% for grasps the nominal margin certifies but $\varepsilon^{(β)}$ rejects.
- Abstract（参考訳）: 古典的なグリップ品質指標は、単一の決定論的摩擦係数を仮定するので、グリップが接触面が示す摩擦値の範囲にわたって力の閉鎖を保っているかどうかを予測できない。
これらの故障を予測するために, CVaR(Conditional Value-at-Risk)リスク尺度に基づく摩擦変動を考慮した把握品質指標であるFIRMGraspを提案する。
単一摩擦実現を仮定する標準グリップ品質評価器とは異なり, CVaRが測定した負摩擦テールの平均における力-遮断マージンを評価し, リスク調整されたフレンチ空間のボール半径であるリスク調整されたマージン$\varepsilon^{(β)}$を得る。
我々は、信頼度$β$、把握パラメータの微分可能性、確率的閉包証明において、その単調性を確立し、$\varepsilon^{(β)}$が正であるときに少なくとも$β$で力の閉包を保証する。
キャリブレーションされた摩擦分布の下では、この$\varepsilon^{(β)}$メトリックは、名目フェラーリ・キャニー・エプシロンが高品質であるとの摩擦感受性の把握を識別し、名目エプシロンと最近の微分可能なベースラインと比較する。
1,599個のLEAPハンドとアレグロハンドの53%は、名目上のフェラーリ・キャニー・マージンの53%は、負の摩擦尾における損失力の閉鎖を証明している。
同じセットで、名目マージンは振れとピックの確率は0.53と0.67に近づき、$\varepsilon^{(β)}$はそれぞれ0.63と0.78の確率でペアを正しく注文した。
重力を0.2の負の摩擦係数で有効にする模擬揚力試験において、検定値が$\varepsilon^{(β)}$を横引きで70%の成功率に到達し、検定値が25%に達するが$\varepsilon^{(β)}$を拒絶する。
関連論文リスト
- Prospect-Theory Behavior from Bellman Optimality in MDPs with Catastrophic States [0.0]
報酬は線形だが、エージェントは効用依存や曲率を持たず、大災害のペイオフは$r = 1.25$、または$r = 2$で13.9%である。
単価より1ドル高いところは、中央値がある。
1ドル以上は 中央値です
1ドル以上は 中央値です
1ドル以上は 中央値です
上のユニティは 境界のコントリビューションを超越しています
全ての細胞への貢献です
論文 参考訳（メタデータ） (2026-05-31T03:01:48Z) - Mismatch-Aware Adaptive Constraint Tightening for Bicycle-Model Trajectory Optimization [4.726777092009554]
自動運転車の軌道最適化は、計算の単純さのため、通常、キネマティック自転車モデルに依存している。
2つの異なるミスマッチ機構を分離する特性速度$v_c=sqrtC_L/M$を導出する。
我々は,MismatchAware Adaptive Constraint Tightening (MACT), $(v,)=a v2||$を提案する。
論文 参考訳（メタデータ） (2026-05-10T06:58:44Z) - Adaptive Confidence Intervals in Efron's Gaussian Two-Groups Model [28.636700996382558]
敵のノイズに満ちた性質により、Efronのガウス的二群分数モデルにおいて、ヌル位置パラメータ$$に対する信頼区間を研究する。
信頼区間の最小最適長を、未知の割合の汚染と全てのノイズに満ちた敵に対して、所定のカバレッジレベルで特徴付ける。
論文 参考訳（メタデータ） (2026-04-28T22:40:54Z) - Benchmarking the Utility of Privacy-Preserving Cox Regression Under Data-Driven Clipping Bounds: A Multi-Dataset Simulation Study [0.0]
微分プライバシー(DP)は、個人のプライバシーを保証する数学的枠組みである。
本研究では,データ駆動クリッピング境界を持つDP機構がCox比例ハザードモデルに与える影響を系統的に評価した。
論文 参考訳（メタデータ） (2026-04-23T09:53:15Z) - Tight Convergence Rates for Online Distributed Linear Estimation with Adversarial Measurements [66.94250413799232]
分散パラメータ-サーバ-ワーカー設定における乱数ベクトル$X$の推定について検討する。
主な課題は、敵の計測と非同期である。
その結果, 分散線形推定におけるロバスト性, 識別性, 統計的効率の統一的有限時間評価が得られた。
論文 参考訳（メタデータ） (2026-04-07T11:45:55Z) - Understanding Robust Machine Learning for Nonparametric Regression with Heavy-Tailed Noise [10.844819221753042]
我々は、Tikhonov-regularized risk minimizationのクローズアップ例として、Huberレグレッションを使用している。
i)弱モーメント仮定下での標準濃度ツールの分解と,(ii)非有界仮説空間によってもたらされる解析的困難に対処する。
我々の研究は、原則化されたルールを提供し、ハマーを超えて他の堅牢な損失に拡張し、頑健な学習を分析するための基本的なレンズとして、過剰なリスクではなく予測エラーを強調します。
論文 参考訳（メタデータ） (2025-10-10T21:57:18Z) - $ε$-Softmax: Approximating One-Hot Vectors for Mitigating Label Noise [99.91399796174602]
ノイズラベルは、正確なディープニューラルネットワークをトレーニングする上で共通の課題となる。
我々は,ソフトマックス層の出力を制御可能な誤差で1ホットベクトルに近似させる,$epsilon$-softmaxを提案する。
理論的には、$epsilon$-softmaxは、ほぼ任意の損失関数に対して制御可能な過剰リスクを持つ耐雑音学習を実現することができる。
論文 参考訳（メタデータ） (2025-08-04T13:10:48Z) - Large Deviation Upper Bounds and Improved MSE Rates of Nonlinear SGD: Heavy-tailed Noise and Power of Symmetry [47.653744900375855]
重み付き雑音の存在下での最適凸勾配法の枠組みを提供する。
ステップサイズ・テールの非線形性,ノイズ,問題パラメータの選択に明示的に依存することを示す。
MSE $widetmathcalO(t-1)$ を最適な $mathcalO(t-1)$ に近づけることができる。
論文 参考訳（メタデータ） (2024-10-21T04:50:57Z) - Fixed-Budget Differentially Private Best Arm Identification [62.36929749450298]
差分プライバシー制約下における固定予算制度における線形包帯のベストアーム識別(BAI)について検討した。
誤差確率に基づいてミニマックス下限を導出し、下限と上限が指数関数的に$T$で崩壊することを示した。
論文 参考訳（メタデータ） (2024-01-17T09:23:25Z) - Near-Optimal Non-Parametric Sequential Tests and Confidence Sequences
with Possibly Dependent Observations [44.71254888821376]
我々は、一般的な非データ生成プロセスの下で、最初のタイプIエラーと予測リジェクション時間保証を提供する。
本研究では, 平均処理効果など, 方程式を推定することによって定義されるパラメータの推測に, 結果を適用する方法を示す。
論文 参考訳（メタデータ） (2022-12-29T18:37:08Z) - High Probability Bounds for a Class of Nonconvex Algorithms with AdaGrad
Stepsize [55.0090961425708]
本研究では,AdaGradのスムーズな非確率問題に対する簡易な高確率解析法を提案する。
我々はモジュラーな方法で解析を行い、決定論的設定において相補的な$mathcal O (1 / TT)$収束率を得る。
我々の知る限りでは、これは真に適応的なスキームを持つAdaGradにとって初めての高い確率である。
論文 参考訳（メタデータ） (2022-04-06T13:50:33Z)
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。