論文の概要: MDIR: A Task-Manifold Impedance Retargeting Method for Contact-Rich Teleoperation

• arxiv url: http://arxiv.org/abs/2607.29271v2
• Date: Thu, 06 Aug 2026 02:44:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-07 17:43:06.609482
• Title: MDIR: A Task-Manifold Impedance Retargeting Method for Contact-Rich Teleoperation
• Title（参考訳）: MDIR:コンタクトリッチ遠隔操作のためのタスクマニホールドインピーダンス再ターゲティング手法
• Authors: Liu Jiahao, Kento Kawaharazuka, Tasuku Makabe, Kei Okada,
• Abstract要約: 単段制御制御器は、衝撃と力の変動を判定する。 Manifold-De Impedance Retargeting (MDIR) は、記録されたコントローラをタスク変数の可変インピーダンスコマンドに決定的に分解した。
• 参考スコア（独自算出の注目度）: 15.013711120696854
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Fixed Cartesian impedance makes contact-rich teleoperation demonstrations practical, but gains that secure progress and contact support also determine impact and force variability. We study single-demonstration controller-to-controller impedance retargeting. Given one fixed Cartesian impedance command sequence {K0, D0, xcmd}, Manifold-Decomposed Impedance Retargeting (MDIR) deterministically reparameterizes the recorded controller into an executable task-channel variable-impedance command. MDIR targets this local retargeting problem by preserving projected task-channel responses near the demonstrated trajectory. It represents the source response in operational work, exertion, and support channels with a passive residual complement under a control-chain metric, computes an executable Cartesian-to-Manifold Retargeting (C2M) baseline, and applies Manifold-Constrained Parameter Optimization (MPO) to select a feasible representative with lower wrist-force peaks, impulse, force variability, and nominal controller power. Across planar wiping, pick-and-place, and pushing on a Franka Panda, the full MDIR controller passes Task Check in all 15 closed-loop executions and reduces all four aggressiveness metrics relative to the fixed-impedance demonstrations.
• Abstract（参考訳）: 固定されたカルテシアンインピーダンスは、接触に富む遠隔操作の実証を実践するが、安全な進歩と接触支援が影響と強制変動を決定付ける。 単段式制御器から制御器へのインピーダンス再ターゲティングについて検討する。 1つの固定されたカルテシアンインピーダンス命令列 {K0, D0, xcmd} が与えられたとき、マニフォールド分解インピーダンス再ターゲティング (MDIR) は、記録されたコントローラを実行可能なタスクチャネル変数インピーダンスコマンドに決定的に再パラメータ化する。 MDIRは、この局所的再ターゲット問題に対して、実証された軌道付近で予測されたタスクチャネル応答を保存することで、目標とする。 操作作業におけるソース応答、実行、サポートチャネルを制御チェーン距離で受動的に補足し、実行可能なC2M(Cartesian-to-Manifold Retargeting)ベースラインを計算し、マニフォールド制約パラメータ最適化(Manifold-Constrained Parameter Optimization、MPO)を適用して、低い手首力ピーク、インパルス、力の可変性、および名目制御パワーを選択する。 平面ワイピング、ピック・アンド・プレース、そしてフランカ・パンダを押すことで、完全なMDIRコントローラは15のクローズドループ実行すべてでTask Checkをパスし、固定インピーダンスのデモと比較して4つのアグレッシブネスメトリクスをすべて削減する。

関連論文リスト

• Purified OPSD: On-Policy Self-Distillation Without Losing How to Think [52.879387744920415]
  オンライン自己蒸留(OPSD)は長いチェーン・オブ・ソート(Long-CoT)推論モデルでは一貫して失敗する。 まず,教師が指導信号の非伝達可能成分を分離するために,参照のみの教師を構築する。 第2に、この残差をよく形成されたPMIターゲット分布に変換するメカニズムとして、ポイントワイズ相互情報(PMI)を用いる。
  論文  参考訳（メタデータ） (2026-07-02T14:33:07Z)
• From Detection to Action: Using LLM Agents for Fault-Tolerant Control [0.21313236831585222]
  我々は,耐故障性制御のためのエージェント型大規模言語モデル(LLM)フレームワークを提案する。 故障検出出力を、植物固有の知識に基づく制約対応回復行動に変換する。 我々は,各プロセスのダイナミックスと互換性のある遅延予算内で,意味的基盤を持つエージェントが有効なリカバリ決定を導出できることを示す。
  論文  参考訳（メタデータ） (2026-06-26T12:13:58Z)
• Master Micro Residual Correction with Adaptive Tactile Fusion and Force-Mixed Control for Contact-Rich Manipulation [11.467329921917546]
  M2-ResiPolicyは、高レベルのアクションガイダンスと低レベルの修正を相乗化する新しいマスターマイクロ残差制御アーキテクチャである。 M2-ResiPolicyは標準拡散政策と最先端のリアクティブ拡散政策を著しく上回っている。
  論文  参考訳（メタデータ） (2026-03-16T11:47:52Z)
• Diffusion Controller: Framework, Algorithms and Parameterization [54.82539154511621]
  本稿では,逆拡散サンプリングを(一般化された)線形解法マルコフ決定過程における状態のみの制御として活用する統一的な制御理論的視点を提案する。 このフレームワークでは、制御はトレーニング済みのリバースタイムのトランジションカーネルを再重み付けし、端末の目的と$f$分割コストのバランスをとる。 安定拡散v1.4の実験では、選好調整の勝利率が一貫した上昇を示し、品質効率のトレードオフを改善した。
  論文  参考訳（メタデータ） (2026-03-07T01:49:59Z)
• PASS-Enhanced MEC: Joint Optimization of Task Offloading and Uplink PASS Beamforming [67.78883135636657]
  ピンチアンテナシステム (PASS) によるモバイルエッジコンピューティング (MEC) アーキテクチャについて検討した。 PASSは、重要な経路損失と潜在的な信号遮断を効果的に軽減しつつ、短距離ライン・オブ・ライト(LoS)リンクを確立する。 ネットワーク遅延最小化問題を定式化し、アップリンクPASSビームフォーミングとタスクオフロードを共同で最適化する。
  論文  参考訳（メタデータ） (2025-10-27T03:04:46Z)
• Joint Active RIS Configuration and User Power Control for Localization: A Neuroevolution-Based Approach [49.48992202227772]
  Reconfigurable Intelligent Surface (RIS) によるユーザローカライゼーションの研究 ベースステーションからユーザへのフィードバックリンクを採用し、アップリンク内のユーザパイロット送信の動的電力制御を可能にする。 RIS位相構成とユーザ送信電力のジョイント制御のための新しいマルチエージェントアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-09-25T07:36:04Z)
• Function Approximation for Reinforcement Learning Controller for Energy from Spread Waves [69.9104427437916]
  マルチジェネレータ・ウェーブ・エナジー・コンバータ(WEC)は、スプレッド・ウェーブと呼ばれる異なる方向から来る複数の同時波を処理しなければならない。 これらの複雑な装置は、エネルギー捕獲効率、維持を制限する構造的ストレスの低減、高波に対する積極的な保護という複数の目的を持つコントローラを必要とする。 本稿では,システム力学のシーケンシャルな性質をモデル化する上で,ポリシーと批判ネットワークの異なる機能近似について検討する。
  論文  参考訳（メタデータ） (2024-04-17T02:04:10Z)
• RandOhm: Mitigating Impedance Side-channel Attacks using Randomized Circuit Configurations [6.388730198692013]
  我々は、メインストリームFPGAの部分再構成(PR)機能に基づいて移動目標防御(MTD)戦略を利用するRandOhmを紹介する。 PDNインピーダンスによる情報漏洩は、回路の秘密に敏感な部分の実行時再構成によって大幅に低減できることを示す。 既存のPRベースの対策とは対照的に、RandOhmはオープンソースのビットストリーム操作ツールをデプロイし、ランダム化を高速化し、リアルタイム保護を提供する。
  論文  参考訳（メタデータ） (2024-01-17T02:22:28Z)
• Model-based Deep Learning Receiver Design for Rate-Splitting Multiple Access [65.21117658030235]
  本研究では,モデルベース深層学習(MBDL)に基づく実用的なRSMA受信機の設計を提案する。 MBDL受信機は、符号なしシンボル誤り率(SER)、リンクレベルシミュレーション(LLS)によるスループット性能、平均トレーニングオーバーヘッドの観点から評価される。 その結果,MBDLはCSIRが不完全なSIC受信機よりも優れていた。
  論文  参考訳（メタデータ） (2022-05-02T12:23:55Z)

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。