論文の概要: Accelerating Human-Aware Robot Trajectory Generation via Diffusion and Consistency Distillation
- arxiv url: http://arxiv.org/abs/2608.03159v1
- Date: Tue, 04 Aug 2026 05:47:25 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-06 07:04:20.698826
- Title: Accelerating Human-Aware Robot Trajectory Generation via Diffusion and Consistency Distillation
- Title（参考訳）: 拡散・連続蒸留による人間対応ロボット軌道生成の高速化
- Abstract要約: 本研究では,人間-ロボットインタラクションにおけるロボットマニピュレータの制約付き動作計画フレームワークを提案する。
衝突回避や自己衝突回避といった追加の要件は、単純なヌル空間二次タスクとして扱うことは困難である。
この制限に対処するため、Rapidly-Exploring Random Tree (RRT) と RRT* アルゴリズムを用いて衝突と自己衝突を考慮した軌道を生成する。
- 参考スコア（独自算出の注目度）: 3.8411993084160283
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This research proposes a constrained motion planning framework for robot manipulators in human-robot interaction (HRI). For a non-redundant manipulator with a fully specified end-effector pose, additional requirements such as collision avoidance and self-collision avoidance are difficult to handle as simple null-space secondary tasks. This limitation makes it challenging to generate feasible joint-space trajectories in HRI environments where safety and kinematic constraints must be considered simultaneously. To address this limitation, collision- and self-collision-aware trajectories are generated using Rapidly-exploring Random Tree (RRT) and RRT* algorithms, and the resulting dataset is used to train a diffusion model that generates constraint-satisfying trajectories through guided sampling. To reduce the inference time required for iterative diffusion sampling, consistency distillation is applied, and a joint-weighted jerk regularization term is incorporated into the loss function to promote smoother trajectories by penalizing abrupt changes in joint acceleration. Simulation results show that the consistency model generates 150 trajectory candidates in less than 100 ms, maintains a high episode success rate, and substantially reduces joint and end-effector jerk when jerk regularization is applied.
- Abstract（参考訳）: 本研究では,人間-ロボットインタラクション(HRI)におけるロボットマニピュレータの制約付き動作計画フレームワークを提案する。
完全仕様のエンドエフェクタを持つ非冗長マニピュレータでは、衝突回避や自己衝突回避といった追加の要件は、単純なヌル空間二次タスクとして扱うことは困難である。
この制限により、安全と運動的制約を同時に考慮する必要があるHRI環境において、実現可能な共同空間軌道を生成することが困難になる。
この制限に対処するために、Rapidly-Exploring Random Tree (RRT) と RRT* アルゴリズムを用いて衝突と自己衝突を考慮した軌道を生成し、得られたデータセットを用いて、ガイド付きサンプリングにより制約を満たす軌道を生成する拡散モデルを訓練する。
反復拡散サンプリングに必要な推論時間を短縮し、整合蒸留を施し、損失関数に共同重み付きジャーク正規化項を組み込んで、関節加速度の急激な変化を罰し、よりスムーズな軌道を促進させる。
シミュレーションの結果,100ミリ秒未満で150個の軌道候補を生成し,高いエピソード成功率を維持するとともに,ジャーク正則化を適用した場合には接合部および端エフェクタージャークを大幅に減少させることがわかった。
関連論文リスト
- Predictive Relative-Velocity Steering for Safe Robotic Manipulator Teleoperation in Dynamic Environments [7.297209090323272]
本稿では,衝突回避のための軽量でモジュラーなフレームワークを提案する。
このフレームワークはまず、オーバーシュート保護を統合した時間対衝突に基づく潜在的な衝突を予測する。
偏向はその大きさを保ちながら相対速度の方向だけを変える。
論文 参考訳（メタデータ） (2026-08-13T14:17:12Z) - A Task-Space Receding Horizon Controller for Fast Collision Avoidance [0.08594140167290099]
ロボットマニピュレータのリアルタイム衝突回避には、予期せぬ障害物運動に対する迅速な反応が必要である。
完全なモデル予測制御は、この展望を提供することができるが、オンラインコストは、水平線長、モデル忠実度、アクティブな幾何学的制約の数とともに急速に増大する可能性がある。
本稿では, 短時間の接触一貫性を持つロールアウトを用いて, 終端キネマティック参照を生成するタスクスペースリテーディング・ホライゾンコントローラを提案する。
論文 参考訳（メタデータ） (2026-07-17T08:13:12Z) - ReactiveBFM: Reactive Closed-Loop Motion Planning Towards Universal Humanoid Whole-Body Control [54.267632784131415]
ReactiveBFMは、ヒューマノイドのためのリアルタイムループ計画制御フレームワークである。
定期的なプレフィックスサンプリングカリキュラムを通じて、致命的な累積露光バイアスを軽減する。
これは、テキスト条件付きクローズドループ運動の膨大なレパートリーにおいて、前例のない物理的機敏さを示す。
論文 参考訳（メタデータ） (2026-06-29T14:27:27Z) - Simulation-Informed Diffusion for Decentralized Multi-robot Motion Planning [56.240199425429445]
マルチロボットモーションプランニングでは、各ロボットが局所的な観測から衝突のない軌道を生成する必要がある。
既存のほとんどのプランナは、ローカル観測の静的スナップショットからトラジェクトリを生成する。
本稿では,制約対応拡散モデルに基づく分散フレームワークであるSimulation-Informed Diffusion (SID)を紹介する。
論文 参考訳（メタデータ） (2026-05-26T21:17:53Z) - VORL-EXPLORE: A Hybrid Learning Planning Approach to Multi-Robot Exploration in Dynamic Environments [19.811711277536187]
マルチロボット探索は通常、フロンティア割り当てをローカルナビゲーションから切り離す。
VORL-EXPLOREは,この制約に対処するハイブリッド学習・計画フレームワークである。
また、グローバルA*ガイダンスとリアクティブ強化学習ポリシーとの間のリスク対応適応的仲裁機構も推進している。
論文 参考訳（メタデータ） (2026-03-09T05:20:33Z) - DRIFT: Diffusion-based Rule-Inferred For Trajectories [15.78457153766977]
非構造環境における移動ロボットの軌道生成は、スムーズで安全な実行と細粒度タスクの終端精度のバランスをとるという、重要なジレンマに直面している。
本稿では、2つの相補的帰納バイアスを統合することで高忠実度参照軌道を生成するための条件付きフレームワークであるDRIFTを提案する。
その結果、DRIFTはこれらの相反する目的を調整し、センチメートルレベルの模倣忠実度(0.041m FDE)と競争滑らか度(27.19 Jerk)を達成することを示した。
論文 参考訳（メタデータ） (2026-03-01T05:54:38Z) - Drift No More? Context Equilibria in Multi-Turn LLM Interactions [58.69551510148673]
コンテキストドリフト(Contexts drift)とは、ターン間のゴール一貫性のある振る舞いからモデルが出力する出力の段階的なばらつきである。
シングルターンエラーとは異なり、ドリフトは時間的に展開し、静的な評価指標では捉えにくい。
マルチターンドリフトは、避けられない崩壊というよりも、制御可能な平衡現象として理解できることを示す。
論文 参考訳（メタデータ） (2025-10-09T04:48:49Z) - Discrete-Guided Diffusion for Scalable and Safe Multi-Robot Motion Planning [56.240199425429445]
マルチロボット運動計画(MPMP)は、共有された連続作業空間で動作する複数のロボットのための軌道を生成する。
離散マルチエージェント探索(MAPF)法は,その拡張性から広く採用されているが,粗い離散化の軌道品質は高い。
本稿では、制約付き生成拡散モデルを用いた離散MAPF解法を導入することにより、2つのアプローチの限界に対処する。
論文 参考訳（メタデータ） (2025-08-27T17:59:36Z) - 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) - Multi-Agent Path Finding in Continuous Spaces with Projected Diffusion Models [57.45019514036948]
MAPF(Multi-Agent Path Finding)は、ロボット工学における基本的な問題である。
連続空間におけるMAPFの拡散モデルと制約付き最適化を統合する新しい手法を提案する。
論文 参考訳（メタデータ） (2024-12-23T21:27:19Z) - Integrating DeepRL with Robust Low-Level Control in Robotic Manipulators for Non-Repetitive Reaching Tasks [0.24578723416255746]
ロボット工学では、現代の戦略は学習に基づくもので、複雑なブラックボックスの性質と解釈可能性の欠如が特徴である。
本稿では, 深部強化学習(DRL)に基づく衝突のない軌道プランナと, 自動調整型低レベル制御戦略を統合することを提案する。
論文 参考訳（メタデータ） (2024-02-04T15:54:03Z)
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。