論文の概要: Grasp Execution Without a Planner: Configuration-Space Grasp Distance Fields with Certified Safety & Guaranteed Quality

• arxiv url: http://arxiv.org/abs/2608.00600v2
• Date: Tue, 04 Aug 2026 15:50:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-05 15:30:22.863499
• Title: Grasp Execution Without a Planner: Configuration-Space Grasp Distance Fields with Certified Safety & Guaranteed Quality
• Title（参考訳）: プランナーなしでのグラフ実行: 保証された安全性と保証品質を備えた構成空間グラフ距離場
• Abstract要約: 実行時オブジェクトは不確実性や摂動を引き起こし、計画された軌道を無効にすることができる。 本稿では,グラスプ距離場(GDF)について述べる。 制御器は, 負のGAF勾配を定常フィードバック法則で追従することで把握を行う。
• 参考スコア（独自算出の注目度）: 5.99447754429793
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Standard multifingered grasp execution architectures plan a collision-free trajectory to a selected grasp pose and track it with a feedback law. Execution-time object pose uncertainty or perturbations may invalidate the planned trajectory, forcing a costly replanning step. We present Grasp Distance Fields (GDFs), smooth softmin distance fields over grasp configurations in the arm-hand configuration space. Our controller executes a grasp by following the negative GDF gradient with a stationary feedback law, eliminating the need for a planner, stored trajectory, or grasp selection. For safety, we filter the resulting command through a CBF-CLF quadratic program (QP), constraining self-collision, workspace, object, and obstacle clearance, reporting impeded progress as explicit slack. We prove that the softmin tracks the true set distance within $\log N/ρ$ for $N$ candidates and smoothing parameter $ρ$, and that the filtered closed loop renders the safe set forward invariant. Since no smooth field captures hand-object contact switching, we switch between hand closure and grasp retention modes using hysteresis at a pregrasp configuration, trading object collision avoidance for contact admission. A wrench-quality CBF then bounds the realized grasp's force-closure margin within a prescribed tolerance of its value at hold onset. We evaluate in kinematic simulation on a fixed-base arm and a Unitree G1 humanoid, both fitted with the same underactuated hand. Our controller navigates cluttered and dynamic scenes to safely reach for, grasp, and lift 46 of 50 test objects spanning primitive, household, and adversarial classes. Across the 46 lifts, the executed grasps retain a median 94% of their synthesized quality margin, at 0.09 ms QP solve time per 20 ms control step. Project page: www.clintonenwerem.com/gdf.
• Abstract（参考訳）: 標準マルチフィンガーグリップ実行アーキテクチャは、選択されたグリップポーズに対する衝突のない軌道を計画し、フィードバック法則で追跡する。 実行時オブジェクトは不確実性や摂動を生じさせ、計画された軌道を無効にし、コストのかかる再計画ステップを強制する。 ハンドハンド構成空間におけるグリップ構成上のスムーズなソフトミン距離場であるGrasp Distance Fields (GDF) について述べる。 制御器は、負のGAF勾配を定常的フィードバック法則で追従し、プランナー、格納軌道、グリップ選択の必要性を排除してグリップを実行する。 安全のために、CBF-CLF二次プログラム(QP)によって生成されたコマンドをフィルタリングし、自己照合、ワークスペース、オブジェクト、障害物クリアランスを制約し、障害進行を明示的なスラックとして報告する。 我々は、ソフトミンが$N$候補とスムーズなパラメータ$ρ$に対して$\log N/ρ$内の真の集合距離を追跡し、フィルタされた閉ループが安全な集合の前方不変量を生成することを証明した。 本研究は,手動物体接触切替のスムースフィールドが存在しないため,手動閉鎖モードとヒステリシスを用いた保持モードの切り替えを行う。 レンチ品質CBFは、保持時にその値の所定の許容範囲内で、実現されたグリップの強制閉鎖マージンを束縛する。 固定ベースアームとUnitree G1ヒューマノイドのキネマティック・シミュレーションにおいて,両腕に同じ不動ハンドを装着した。 コントローラは乱雑でダイナミックなシーンをナビゲートし、原始クラス、家庭クラス、および敵対クラスにまたがる50のテストオブジェクトのうち46を安全につかみ、つかみ、持ち上げる。 46のリフト全体では、実行されたグリップは、合成された品質マージンの中央値94%を保持し、20ms制御ステップあたり0.09msのQP解決時間を保持する。 プロジェクトページ: www.clintonenwerem.com/gdf

関連論文リスト

• Projection-Retraction MPPI: Exact Constraint-Manifold Control for Manipulators [7.124493742815592]
  プロジェクションリトラクションMPPIは、ダイナミックス内の制約を強制する。 14-DoFデュアルアームシステム上でPR-MPPIを検証する。
  論文  参考訳（メタデータ） (2026-08-04T11:40:10Z)
• Biconvex Optimization for Smooth Minimum-Time Trajectories around Convex Obstacles [49.315843050082925]
  本稿では,最小時間移動計画凸障害物に対して,収束が保証されるバイアプローチを提案する。 提案手法は,変数の最先端分解を生成するために,時間とともに高品質な軌道を生成する。
  論文  参考訳（メタデータ） (2026-08-03T19:48:24Z)
• Pose-Parameterized Motion Planning and CBF-QP Self-Collision Filtering for a Long-Reach Drilling Boom [3.632189127068905]
  ロングリーチ掘削ブームは、自己調整なしで連続的なポーズに到達しなければならない。 本研究では,ポーズパラメータ化計画とカプセル型制御バリア関数を組み合わせることにより,確立された手法を適用した。 提案手法は, ゼロIK故障を発生し, 複数方向の経路点を生成し, ミリレベル平均最終位置誤差を達成し, 報告しきい値以下のサンプルCBFマージンは記録しなかった。
  論文  参考訳（メタデータ） (2026-07-21T08:41:49Z)
• Constrained Decoding for Diffusion Language Models via Efficient Inference over Finite Automata [57.27430779838529]
  有限オートマトンとして表現可能な任意の制約の下で,制約付き平均場後部からサンプリングする,正確かつトラクタブルなアルゴリズムを提案する。 このアプローチは、構築による制約満足度を保証し、欲求とサンプリングベースのデコーディングの両方をサポートし、並列およびブロックワイドデコーディングと互換性がある。 Dream-7B と LLaDA-8 の実証的な評価は、様々なタスクにおいてかなりの精度の向上を示した。
  論文  参考訳（メタデータ） (2026-07-08T05:48:57Z)
• From Prediction Uncertainty to Conformalized Distance Fields for Safe Motion Planning [9.50741434664352]
  既存のコンフォメーションアプローチは、障害物ごとの予測誤差を集計するスカラースコアに適合する。 代わりに、予測距離場全体を同時に整列する。 この関数共形予測フレームワークは、分布自由で、フィールドレベルの低い境界をもたらす。
  論文  参考訳（メタデータ） (2026-07-01T11:02:51Z)
• Manifold-Constrained MPPI: Real-Time Sampling-Based Control Under Hard Constraints [8.747309323431802]
  Manifold-Constrained MPPI (MC-MPPI) はリアルタイムサンプリングベースの制御フレームワークである。 MPPIの計算上の利点を保ちながら、多様体ベースの等式制約を強制する。 シミュレーションと実世界の両方の環境で14-DoFクローズドチェーンのデュアルアームシステムの実験は、MC-MPPIが安定して100Hzで動作することを示した。
  論文  参考訳（メタデータ） (2026-05-24T01:57:18Z)
• Verified Task-Space Motion Planning Under Joint-Space Constraints [14.31054942510699]
  Bug2のようなリアクティブなタスクスペースプランナーは、固定されたカルテシアンステップサイズで動作し、マニピュレータの関節角制限に気づいていない。 計算は各計画段階において、関節境界の下で到達可能な最大のカルテ超矩形を計算することで解決する。 等価な二分法は、その認証をミリ秒以下の時間で解決する。
  論文  参考訳（メタデータ） (2026-05-21T19:42:29Z)
• Learning Reactive Dexterous Grasping via Hierarchical Task-Space RL Planning and Joint-Space QP Control [50.28263951510334]
  本稿では,リアクティブなデクスタリーグルーピングのためのハイブリッド階層型制御フレームワークを提案する。 提案手法は,低レベル共同実行から高レベル空間意図を明示的に分離する。 我々は厳密なシミュレーションと現実のパイプラインを通して提案したフレームワークを広範囲に検証する。
  論文  参考訳（メタデータ） (2026-05-05T04:49:38Z)
• Compiling Activation Steering into Weights via Null-Space Constraints for Stealthy Backdoors [48.881343993730844]
  安全性に整合した大規模言語モデル(LLM)は、現実世界のパイプラインにますますデプロイされている。 敵は通常の評価では動作しないバックドアのチェックポイントを配布することができる。 最近のポストホック重み付け法は、そのようなバックドアを注入するための効率的なアプローチを提供する。
  論文  参考訳（メタデータ） (2026-04-14T06:48:33Z)
• CMP: Robust Whole-Body Tracking for Loco-Manipulation via Competence Manifold Projection [64.65196237023754]
  Manifold Competence Projectionは、アウト・オブ・ディストリビューションの摂動に対する堅牢性を改善する。 我々は、無限水平安全制約を計算効率の良い単段多様体包含に変換するフレーム-ワイズ安全スキームを用いる。 実験により、CMPは典型的なOODシナリオで最大10倍の生存率向上を達成することが示された。
  論文  参考訳（メタデータ） (2026-04-08T18:00:39Z)
• 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)
• Vision-Guided MPPI for Agile Drone Racing: Navigating Arbitrary Gate Poses via Neural Signed Distance Fields [8.66703842496129]
  ドローンレースには、極端なアジリティの下での認識、計画、制御の緊密な結合が必要です。 近年のアプローチは、事前計算された空間基準軌道や明示的な6-DoFゲートポーズ推定に依存している。 そこで我々は,任意の配置と配向ゲートを介して,参照不要のアジャイル飛行を可能にするビジョンガイド付き最適制御フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-03-07T13:18:07Z)
• Spatially-Aware Adaptive Trajectory Optimization with Controller-Guided Feedback for Autonomous Racing [74.83272587893508]
  本稿では,NURBSに基づく軌道表現,CMA-ESグローバル軌道最適化,コントローラ誘導空間フィードバックを組み合わせた自律レースライン最適化フレームワークを提案する。 シミュレーションでは,最大静的加速度をパラメータ化したコントローラと比較して17.38%のラップタイム短縮を実現している。 高摩擦から低摩擦まで様々なタイヤ化合物で試験された実ハードウェアでは、摩擦を明示的にパラメータ化することなく、7.60%のラップタイムの改善が得られる。
  論文  参考訳（メタデータ） (2026-02-17T15:10:44Z)
• 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)
• Neural Motion Fields: Encoding Grasp Trajectories as Implicit Value Functions [65.84090965167535]
  本稿では,ニューラルネットワークによってパラメータ化される暗黙的値関数として,オブジェクト点群と相対的タスク軌跡の両方を符号化する新しいオブジェクト表現であるNeural Motion Fieldsを提案する。 このオブジェクト中心表現は、SE(3)空間上の連続分布をモデル化し、サンプリングベースのMPCを利用して、この値関数を最適化することで、反応的に把握することができる。
  論文  参考訳（メタデータ） (2022-06-29T18:47:05Z)
• Tracking Road Users using Constraint Programming [79.32806233778511]
  本稿では,マルチオブジェクトトラッキング(MOT)問題のトラッキング・バイ・検出パラダイムに見られるデータアソシエーションフェーズに対する制約プログラミング(CP)アプローチを提案する。 提案手法は車両追跡データを用いてテストし,UA-DETRACベンチマークの上位手法よりも優れた結果を得た。
  論文  参考訳（メタデータ） (2020-03-10T00:04:32Z)

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。