論文の概要: Convex Collision-Free Regions

• arxiv url: http://arxiv.org/abs/2607.26901v1
• Date: Wed, 29 Jul 2026 13:33:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-30 21:06:25.689956
• Title: Convex Collision-Free Regions
• Title（参考訳）: 凸衝突のない領域
• Abstract要約: Convex Collision-Free Regions (CCFR) は、局所凸可能領域を明示的に表現し、非通電を強制する衝突処理手法である。 CCFRは非線形最適化に依存しておらず、XPBD(Extended Position-Based Dynamics)のようなシミュレーションフレームワークと互換性がある。 CCFRの有効性は、布、毛髪、ワイヤー、粒子系、および共次元接触シナリオで示される。
• 参考スコア（独自算出の注目度）: 1.503974529275767
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Convex Collision-Free Regions (CCFR) is a collision handling method that explicitly represents local convex feasible regions to enforce non-penetration. Each feasible region is constructed from surrounding mesh primitive configurations, including edge-edge and vertex-face interactions. The resulting convex region represents admissible non-penetrating vertex displacements at the current configuration. Existing collision handling methods for deformable body simulation have largely relied on implicit representations of feasibility, resulting in either compromised robustness for secondary collisions and codimensional contacts or tight coupling with specific nonlinear optimization schemes. Our formulation constructs feasible regions independently for each vertex, defined prior to penetration, inherently accounts not only for primary collisions but also for secondary collisions and codimensional contacts, enabling highly scalable and parallelizable collision handling. These feasible regions encode geometric non-penetration constraints independently of physical contact response models. CCFR does not rely on nonlinear optimization and is compatible with simulation frameworks such as Extended Position-Based Dynamics (XPBD) that do not explicitly maintain interior feasibility during iterative updates. The effectiveness of CCFR is demonstrated across cloth, hair, wire, particle systems, and codimensional contact scenarios, showing versatile and efficient collision handling.
• Abstract（参考訳）: Convex Collision-Free Regions (CCFR) は、局所凸可能領域を明示的に表現し、非通電を強制する衝突処理手法である。 各実現可能な領域は、エッジと頂点と面の相互作用を含む、周辺のメッシュプリミティブ構成から構築される。 結果として生じる凸領域は、現在の構成での許容不能な頂点変位を表す。 変形可能な物体シミュレーションのための既存の衝突処理法は、実現可能性の暗黙的な表現に大きく依存しているため、二次衝突や同次元接触に対する強靭性、あるいは特定の非線形最適化スキームとの密結合が損なわれている。 我々の定式化は、侵入前に定義された各頂点に対して独立に実現可能な領域を構築し、本質的には一次衝突だけでなく、二次衝突や同次元接触も考慮し、高度にスケーラブルで並列化可能な衝突処理を可能にしている。 これらの実現可能な領域は、物理的接触応答モデルとは独立に幾何学的非貫通制約を符号化する。 CCFRは非線形最適化に頼らず、反復更新時に内部実現可能性を明確に維持しないExtended Position-Based Dynamics (XPBD)のようなシミュレーションフレームワークと互換性がある。 CCFRの有効性は布, 毛髪, ワイヤ, 粒子系, および共次元接触シナリオで示され, 汎用的で効率的な衝突処理を示す。

関連論文リスト

• Control Barrier Functions via Minkowski Operations for Safe Navigation among Polytopes [6.281375484813414]
  そこで本研究では,SDF (Signed Distance Function) の定式化について述べる。 提案手法は,衝突のない(正符号)と衝突しない(負符号)の両方の場合において,コンベックスプログラムを介して正確なSDFを算出する。
  論文  参考訳（メタデータ） (2026-08-03T21:15:23Z)
• CCFM: Collision-Constrained Flow Matching for Safety-Critical Scenario Generation [12.01753684349527]
  ハード物理制約による正確な衝突制御を保証する新しいフレームワークであるCCFM(Collision-Constrained Flow Matching)を紹介する。 CCFMの衝突速度は nuScenes で46.4%、nuPlan で83.1% まで上昇し、現実的な運転行動を維持しながらベースラインを著しく上回っている。
  論文  参考訳（メタデータ） (2026-07-05T18:26:14Z)
• Learning Unions of Convex Sets via Invertible Latent Decomposition for Path Planning [19.14344979340464]
  可逆遅延分解(英: Invertible Latent Decomposition, ILD)は、可逆写像と、結果の潜在空間における明示凸ポリトープの結合を学習するフレームワークである。 ILDは、以前のベースラインよりも広範なカバレッジ、セット間の接続性の向上、パス計画の成功率の向上を実現している。 14-DoF双対マニピュレータにおいて,現場形状の変化に適応した実時間衝突のない計画法を実演する。
  論文  参考訳（メタデータ） (2026-06-10T12:49:47Z)
• OcclusionFormer: Arranging Z-Order for Layout-Grounded Image Generation [49.49933361280724]
  OcclusionFormerは、インスタンスを分離することで、Zオーダーの優先順位を明示的にモデル化する新しいフレームワークです。 また、個別のインスタンスを明示的に監視し、セマンティックな一貫性を高めるクエリアライメント損失を導入します。 提案手法は,重なり合う領域の曖昧さを効果的に低減し,正しい閉塞依存性を強制し,構造的整合性を保ち,様々な場面で精度の高い向上をもたらす。
  論文  参考訳（メタデータ） (2026-05-20T16:10:44Z)
• Adaptive Smooth Tchebycheff Attention for Multi-Objective Policy Optimization [55.338784037660474]
  ドメインにおける多曲率強化学習は、矛盾する目的間の複雑な非脆弱な干渉トレードオフのバランスを必要とする。 本稿では,生態系をモニタリングするプロキシであるロボットビジュアルを用いた,新しいリアルタイムなリアルタイム最適化を提案する。
  論文  参考訳（メタデータ） (2026-05-12T21:32:57Z)
• CSSDF-Net: Safe Motion Planning Based on Neural Implicit Representations of Configuration Space Distance Field [23.48697826890044]
  非構造環境における高次元マニピュレータ操作には、異なるシーンに依存しない距離問合せ機構が必要である。 CSSDF-Netは、連続署名された距離フィールドを構成空間内で直接学習し、共同空間距離と勾配クエリを提供する。 平面アームと7-DoFマニピュレータの実験は、静的および動的シーンにおける安定した勾配、効果的な衝突回避を示す。
  論文  参考訳（メタデータ） (2026-03-19T09:31:41Z)
• Collision Detection with Analytical Derivatives of Contact Kinematics [2.9976270169593495]
  異なる接触キネマティクスは、ロボット工学における勾配に基づく手法に不可欠である。 我々は,暗黙的な識別可能な衝突検出と接触キネマティクスフレームワークであるiDCOLを開発した。
  論文  参考訳（メタデータ） (2026-02-03T08:34:31Z)
• Fast and Safe Trajectory Optimization for Mobile Manipulators With Neural Configuration Space Distance Field [34.07401865897874]
  Generalized Space Fields (GCDF) は、ベースアーム結合を移動マニピュレータに拡張するために使用できる。 GCDFは、非有界空間における全体構成をエンコードする。 我々はGCDFに基づく推論を中心に,高性能な最適化解法を開発した。
  論文  参考訳（メタデータ） (2026-01-26T14:55:26Z)
• Steerable Adversarial Scenario Generation through Test-Time Preference Alignment [58.37104890690234]
  対立シナリオ生成は、自律運転システムの安全性評価のためのコスト効率の良いアプローチである。 textbfSteerable textbfAdversarial scenario textbfGEnerator (SAGE) という新しいフレームワークを導入する。 SAGEは、逆境とリアリズムの間のトレードオフを、再トレーニングなしできめ細かいテストタイムコントロールを可能にします。
  論文  参考訳（メタデータ） (2025-09-24T13:27:35Z)
• Fast Gravitational Approach for Rigid Point Set Registration with Ordinary Differential Equations [79.71184760864507]
  本稿では,FGA(Fast Gravitational Approach)と呼ばれる厳密な点集合アライメントのための物理に基づく新しい手法を紹介する。 FGAでは、ソースとターゲットの点集合は、シミュレーションされた重力場内を移動しながら、世界規模で多重リンクされた方法で相互作用する質量を持つ剛体粒子群として解釈される。 従来のアライメント手法では,新しいメソッドクラスには特徴がないことを示す。
  論文  参考訳（メタデータ） (2020-09-28T15:05:39Z)
• Scalable Differentiable Physics for Learning and Control [99.4302215142673]
  微分物理学は、物理的対象や環境を含む問題を学習し、制御するための強力なアプローチである。 我々は、多数のオブジェクトとその相互作用をサポートすることができる微分可能物理学のためのスケーラブルなフレームワークを開発する。
  論文  参考訳（メタデータ） (2020-07-04T19:07:51Z)
• Dense Non-Rigid Structure from Motion: A Manifold Viewpoint [162.88686222340962]
  Non-Rigid Structure-from-Motion (NRSfM) 問題は、複数のフレームにまたがる2次元特徴対応から変形物体の3次元形状を復元することを目的としている。 提案手法は,ノイズに対する精度,スケーラビリティ,堅牢性を大幅に向上させる。
  論文  参考訳（メタデータ） (2020-06-15T09:15:54Z)

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。