論文の概要: Motion Generation With Environmental Constraints

• arxiv url: http://arxiv.org/abs/2607.25053v1
• Date: Mon, 27 Jul 2026 20:31:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-29 20:50:42.615847
• Title: Motion Generation With Environmental Constraints
• Title（参考訳）: 環境制約による運動生成
• Abstract要約: 我々は,環境制約実行(ECE)という代替アプローチを提唱し,環境との意図的な接触が計画を単純化する。 ECEを動作計画アルゴリズムに統合することにより、不確実性低減のための接触を利用して実行時の堅牢性を向上させる。 この研究は、複雑な環境での適応性と性能を高めながら、ECEがモーションプランニングをいかに単純化するかを示し、先行研究を強化し、拡張する。
• 参考スコア（独自算出の注目度）: 6.875312133832078
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Robot motion planning faces challenges in high-dimensional spaces and uncertain environments, often constrained by the need for collision-free motions. We advocate an alternative approach, Environmental Constraint Exploitation (ECE), where deliberate contact with the environment simplifies planning by reducing dimensionality and computational complexity. By integrating ECE into motion planning algorithms, we bias exploration to task-relevant regions and leverage contact for uncertainty reduction to improve robustness during execution. We evaluate ECE benefits with RRT-based planners and demonstrate their practical benefits in a real-world application. This work consolidates and extends prior research, showcasing how ECE simplifies motion planning while enhancing adaptability and performance in complex environments.
• Abstract（参考訳）: ロボットモーションプランニングは、高次元空間や不確実な環境での課題に直面し、しばしば衝突のない動きの必要性によって制約される。 我々は,環境制約外乱 (ECE) という別のアプローチを提唱し,次元と計算の複雑さを減らし,環境との意図的な接触が計画を単純化する。 ECEを動作計画アルゴリズムに統合することにより、タスク関連領域へのバイアス探索を行い、不確実性低減のための接触を利用して実行時の堅牢性を向上させる。 RRTベースのプランナによるECEのメリットを評価し、実世界のアプリケーションにおけるそれらの実践的メリットを実証する。 この研究は、複雑な環境での適応性と性能を高めながら、ECEがモーションプランニングをいかに単純化するかを示し、先行研究を強化し、拡張する。

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)
• CoEnv: Driving Embodied Multi-Agent Collaboration via Compositional Environment [54.84167973913561]
  CoEnvは、安全な戦略探索のためにシミュレーションを活用するフレームワークであり、信頼性の高い現実世界のデプロイメントを保証する。 CoEnvは、物理的なワークスペースをデジタル化するリアル・ツー・シムのシーン再構築、コードベースの軌道生成によるリアルタイム計画と安全な配置のための衝突検出によるシム・トゥ・リアル転送の両方をサポートするVLM駆動のアクション合成という3つの段階を経験している。
  論文  参考訳（メタデータ） (2026-04-07T06:24:41Z)
• Simultaneous Multi-Robot Motion Planning with Projected Diffusion Models [57.45019514036948]
  MRMP拡散(MRMP Diffusion, SMD)は, 制約付き最適化を拡散サンプリングプロセスに統合し, 衝突のない, キネマティックに実現可能な軌道を生成する新しい手法である。 本稿では, ロボット密度, 障害物の複雑度, 動作制約の異なるシナリオ間の軌道計画アルゴリズムを評価するための総合的MRMPベンチマークを提案する。
  論文  参考訳（メタデータ） (2025-02-05T20:51:28Z)
• A Meta-Engine Framework for Interleaved Task and Motion Planning using Topological Refinements [51.54559117314768]
  タスク・アンド・モーション・プランニング(タスク・アンド・モーション・プランニング、TAMP)は、自動化された計画問題の解決策を見つけるための問題である。 本稿では,TAMP問題のモデル化とベンチマークを行うための,汎用的でオープンソースのフレームワークを提案する。 移動エージェントと複数のタスク状態依存障害を含むTAMP問題を解決する革新的なメタ技術を導入する。
  論文  参考訳（メタデータ） (2024-08-11T14:57:57Z)
• Unified Task and Motion Planning using Object-centric Abstractions of Motion Constraints [56.283944756315066]
  本稿では,タスクとモーションプランニングを一つの検索に統一するTAMP手法を提案する。 我々のアプローチは、オフザシェルフAIサーチの計算効率を活用して、物理的に実現可能な計画が得られるような、オブジェクト中心の動作制約の抽象化に基づいている。
  論文  参考訳（メタデータ） (2023-12-29T14:00:20Z)
• Autonomous 3D Exploration in Large-Scale Environments with Dynamic Obstacles [5.407319151576265]
  本稿では,動的な障害を回避するだけでなく,計画自体にそれを含めるための新しいアプローチを提案する。 提案されたプランナーであるDynamic Autonomous Exploration Planner (DAEP)は、AEPを拡張して、動的障害に関して明示的に計画する。 DAEPは、探査と衝突回避の両方に有効であることが示されている。
  論文  参考訳（メタデータ） (2023-10-27T08:45:30Z)
• Learning-based Motion Planning in Dynamic Environments Using GNNs and Temporal Encoding [15.58317292680615]
  組込みとエッジ優先化ポリシの両方を学習するために,データアグリゲーションを用いた時間符号化と模倣学習を用いたGNNベースのアプローチを提案する。 実験により, 提案手法は, 最先端の完全な動的計画アルゴリズムよりも, オンラインプランニングを著しく高速化できることが示された。
  論文  参考訳（メタデータ） (2022-10-16T01:27:16Z)
• Robot Active Neural Sensing and Planning in Unknown Cluttered Environments [0.0]
  未知の乱雑な環境でのアクティブなセンシングと計画は、ホームサービス、探索と救助、狭い通行検査、医療支援を提供するロボットにとって、オープンな課題である。 本研究は,ロボットマニピュレータの動力学的に実現可能な視点列を手動カメラで生成し,基礎環境の再構築に必要な観測回数を最小化するための能動型ニューラルセンシング手法を提案する。 我々のフレームワークは視覚的RGBD観測を積極的に収集し、それらをシーン表現に集約し、環境との不要なロボットの相互作用を避けるためにオブジェクト形状推論を行う。
  論文  参考訳（メタデータ） (2022-08-23T16:56:54Z)
• Learning Obstacle Representations for Neural Motion Planning [70.80176920087136]
  学習の観点から,センサを用いたモーションプランニングに対処する。 近年の視覚認識の進歩により,運動計画における適切な表現の学習の重要性が議論されている。 本稿では,PointNetアーキテクチャに基づく新しい障害物表現を提案し,障害物回避ポリシーと共同で学習する。
  論文  参考訳（メタデータ） (2020-08-25T17:12:32Z)

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。