論文の概要: Complete Motion Planning using Workspace-Fibered Decomposition for nR-Planar Manipulator
- arxiv url: http://arxiv.org/abs/2608.01172v1
- Date: Sun, 02 Aug 2026 11:50:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-04 15:07:25.109028
- Title: Complete Motion Planning using Workspace-Fibered Decomposition for nR-Planar Manipulator
- Title（参考訳）: nR-プラナーマニピュレータのワークスペース・ファイバー分解による全運動計画
- Abstract要約: 我々は,nR冗長マニピュレータにおける動作計画のためのワークスペースファイバー分解フレームワークを提案する。
まず、平面位置のみのマニピュレータに対して、最小限の非冗長部分鎖によって誘導される障害物に制約された到達可能なワークスペースが、実現可能性の正確な特徴を与えることを証明した。
次に、連続した冗長リンクを通じて到達可能なワークスペース構造を伝搬するインクリメンタルファイバリフト手法を導入する。
- 参考スコア（独自算出の注目度）: 0.7734726150561088
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We propose a workspace-fibered decomposition framework for motion planning in nR planar redundant manipulators operating in cluttered environments. Rather than planning directly in the full n-dimensional configuration space, the method incrementally constructs obstacle-constrained reachable workspaces of lower-dimensional non-redundant sub-chains and recursively lifts them through redundant orientation fibers. This yields a sequence of reduced planning manifolds that preserve branch-consistent reachability structure while avoiding explicit construction of the full configuration-space obstacle geometry. We first establish that, for planar position-only manipulators, the obstacle-constrained reachable workspace induced by the minimal non-redundant sub-chain provides an exact characterization of feasibility with respect to the connected component of the start configuration, enabling early infeasibility detection prior to introducing redundant degrees of freedom (DOF). We then introduce an incremental fiber-lifting procedure that propagates reachable workspace structure through successive redundant links while enforcing local inverse-kinematic branch consistency using Jacobian determinant continuity constraints. The resulting representation admits efficient reduced-space planning directly on recursively-constructed workspace-fiber manifolds. Experimental results on redundant nR planar manipulators demonstrate that the proposed construction preserves collision-free connectivity structure across successive lifting stages while substantially reducing collision checking complexity relative to direct configuration space reasoning.
- Abstract（参考訳）: 乱雑な環境で動作するnR平面冗長マニピュレータの動作計画のためのワークスペースファイバー分解フレームワークを提案する。
完全なn次元構成空間を直接計画するのではなく、低次元の非冗長部分鎖の障害物に制約された到達可能なワークスペースを漸進的に構築し、それらを冗長な配向ファイバーを通して再帰的に持ち上げる。
これにより、完全な構成空間の障害物幾何学の明示的な構成を回避しつつ、分岐一貫性を持つ到達可能性構造を保存する計画多様体の列が得られる。
まず、平面位置のみのマニピュレータにおいて、最小限の非冗長なサブチェーンによって誘導される障害物に制約のある到達可能なワークスペースが、開始構成の連結成分に関する実現可能性の正確な評価を提供し、冗長な自由度(DOF)を導入する前の早期不実現性検出を可能にすることを証明した。
次に、ヤコビ行列連続性制約を用いて局所的逆数的分岐一貫性を保ちながら、連続的な冗長リンクを通じて到達可能なワークスペース構造を伝播するインクリメンタルファイバーリフト法を導入する。
結果として得られる表現は、再帰的に構成されたワークスペース-ファイバー多様体上で直接に効率的な縮小空間計画を認める。
冗長なnR平面マニピュレータの実験結果から,提案手法は連続昇降段間の衝突のない接続構造を保ちつつ,直接構成空間推論と比較して衝突チェックの複雑さを著しく低減することを示した。
関連論文リスト
- The Twist Decomposition of Serial Robots Under Lower-Mobility Tasks [1.1602089225841632]
本稿では,低モビリティタスクを行うシリアルマニピュレータのツイスト分解フレームワークを提案する。
この方法は、幾何学的に定義されたねじれプロジェクタを用いて、エンドエフェクタのねじれをタスクと冗長なコンポーネントに分離する。
論文 参考訳（メタデータ） (2026-07-21T10:23:23Z) - Fibration Trees: A Unified Approach to Multi-Robot Motion Planning [21.816256968886496]
状態空間をノードとし,ファイブレーションをエッジとするフィブレーションツリーを導入する。
図形としてプロジェクションをモデル化することにより、逐次優先順位付け、並列分解、タスク空間プロジェクションを統一する。
本研究では,高速探索型ランダム・フィブレーション・ツリー(Fibration-RRT)・プランナ(サンプリング・ベース・モーション・プランナ)を開発した。
論文 参考訳（メタデータ） (2026-06-10T13:33:45Z) - 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) - TCBiRRT: Rapid Motion Planning for Tightly Coupled Dual-arm Space Manipulator Using Task-space Random Expansion [13.227911126048731]
閉鎖制約下での密結合型双腕空間マニピュレータの運動経路の計画は、基本的かつ困難な問題である。
本稿では,タスク空間制約付き双方向高速探索ランダムツリーアルゴリズムTCBiRRTを提案する。
論文 参考訳（メタデータ） (2026-05-26T15:24:07Z) - Beyond Point-Wise Matching: Structural Representation Alignment for Accelerating Diffusion Transformers [93.3976834364707]
本稿では,特徴写像のリレーショナル幾何における整合性を実現する構造的RePresentation AlignmentフレームワークであるsREPAを提案する。
モデルが事前訓練された特徴から全体的空間配置と構造的相関を内包するように促すことにより、sREPAはより高速でより安定した収束を達成する。
論文 参考訳（メタデータ） (2026-05-16T12:01:04Z) - 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) - Connectivity-Aware Representations for Constrained Motion Planning via Multi-Scale Contrastive Learning [6.0393663164774125]
制約された動き計画の目的は、タスク固有の制約を満たしながら開始とゴールの設定を接続することである。
本稿では,これらの課題に対して,計画前に開始と目標の設定を選択するための接続性を考慮した表現を学習することによって解決する。
論文 参考訳（メタデータ） (2026-03-26T10:44:21Z) - Rethinking Transferable Adversarial Attacks on Point Clouds from a Compact Subspace Perspective [55.919842734983156]
CoSAは、共有された低次元セマンティック空間内で機能する転送可能なアタックフレームワークである。
CoSAは、最先端のトランスファー可能な攻撃を一貫して上回っている。
論文 参考訳（メタデータ） (2026-01-30T15:48:11Z) - StructAlign: Structured Cross-Modal Alignment for Continual Text-to-Video Retrieval [75.28673512571449]
Continual Text-to-Video Retrievalの重要な課題はフィーチャードリフトだ。
我々はCTVRのための構造化クロスモーダルアライメント手法であるStructAlignを提案する。
我々の手法は、常に最先端の連続検索手法より優れています。
論文 参考訳（メタデータ） (2026-01-28T13:34:44Z) - HierRelTriple: Guiding Indoor Layout Generation with Hierarchical Relationship Triplet Losses [52.70183252341687]
本稿では,空間的関係学習に着目した階層型三重項に基づく屋内関係学習手法HierRelTripleを提案する。
階層型リレーショナル三重項モデリングフレームワークであるHierRelTripleを導入する。
非条件レイアウト合成、フロアプラン条件付きレイアウト生成、シーン再構成の実験により、HierRelは空間関係のメトリクスを15%以上改善することを示した。
論文 参考訳（メタデータ） (2025-03-26T07:31:52Z) - Reducing Drift in Structure From Motion Using Extended Features [82.37566035407689]
低周波長範囲誤差(ドリフト)は3次元構造における運動からの固有問題である。
本研究では,平面や消失点などの拡張された構造特徴を用いて,スケールと位置のドリフトを劇的に低減する手法を提案する。
論文 参考訳（メタデータ） (2020-08-27T17:59:04Z) - Goal Kernel Planning: Linearly-Solvable Non-Markovian Policies for Logical Tasks with Goal-Conditioned Options [54.40780660868349]
我々はLinearly-Solvable Goal Kernel Dynamic Programming (LS-GKDP)と呼ばれる合成フレームワークを導入する。
LS-GKDPは、Linearly-Solvable Markov Decision Process (LMDP)形式とOptions Framework of Reinforcement Learningを組み合わせたものである。
本稿では,目標カーネルを持つLMDPが,タスク接地によって定義された低次元部分空間におけるメタポリティシの効率的な最適化を実現する方法を示す。
論文 参考訳（メタデータ） (2020-07-06T05:13:20Z)
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。