論文の概要: Real-time Whole-Body Motion Planning for Mobile Manipulators Carrying Arbitrarily Shaped Payloads via Kinematically-Coupled SVSDF

• arxiv url: http://arxiv.org/abs/2608.07005v1
• Date: Fri, 07 Aug 2026 09:20:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-10 16:21:25.446628
• Title: Real-time Whole-Body Motion Planning for Mobile Manipulators Carrying Arbitrarily Shaped Payloads via Kinematically-Coupled SVSDF
• Title（参考訳）: 運動的結合SVSDFによる任意の形状のペイロードを搬送する移動マニピュレータのリアルタイム全体運動計画
• Abstract要約: 本文は、任意の形状のペイロードを運ぶ移動マニピュレータのためのリアルタイムな全身運動フレームワークを提示する。 提案するフレームワークは, 狭い通路や乱雑な環境を通じて, 大型で非駆動ペイロードを確実に輸送する。
• 参考スコア（独自算出の注目度）: 15.284805246845197
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Mobile manipulators are increasingly tasked with transporting large, non-convex payloads through cluttered environments, yet existing planners either oversimplify the payload geometry or fail to handle the kinematic coupling between manipulator links, leading to lost feasible space or stalled optimization. This letter presents a real-time whole-body motion planning framework for mobile manipulators carrying arbitrarily shaped payloads. The front-end employs a chain-decomposed kernel-based collision check that preserves the true geometry of the robot and payload, with compact storage and fast bit-level queries. A mid-end preprocessing stage converts the front-end path into a continuous trajectory enforcing smoothness and feasibility, and executes it directly when collision-free to bypass the costly back-end. When refinement is required, the back-end performs trajectory optimization built on a Kinematically-Coupled SVSDF (KC-SVSDF), which propagates collision-avoidance gradients along the kinematic chain to produce coherent whole-body escape directions. Ablation studies, comparative benchmarks against state-of-the-art baselines, and real-world experiments on a differential-drive mobile manipulator demonstrate that the proposed framework reliably transports large, non-convex payloads through tight passages and cluttered environments.
• Abstract（参考訳）: 移動マニピュレータは、乱雑な環境を通じて大きな非凸ペイロードを輸送する作業がますます進んでいるが、既存のプランナーはペイロードのジオメトリを単純化するか、マニピュレータリンク間のキネマティックな結合を処理できず、実現不可能なスペースが失われたり、最適化が行き詰まったりしている。 本文は,任意の形状のペイロードを持つ移動マニピュレータのための実時間全体動作計画フレームワークを提案する。 フロントエンドでは、チェーン分解されたカーネルベースの衝突チェックを使用して、ロボットとペイロードの真の形状を保存し、コンパクトなストレージと高速なビットレベルのクエリを備える。 中間処理ステージは、フロントエンドパスを滑らかで実現可能な連続軌道に変換し、衝突のない場合には直接実行し、コストのかかるバックエンドをバイパスする。 改良が必要な場合、バックエンドは、キネマティックに結合したSVSDF(KC-SVSDF)上に構築された軌道最適化を行い、キネマティックチェーンに沿って衝突回避勾配を伝播し、コヒーレントな全身脱出方向を生成する。 アブレーション研究、最先端のベースラインに対するベンチマーク、およびディファレンシャルドライブ移動マニピュレータを用いた実世界の実験により、提案フレームワークは、狭い通路や散在する環境を通じて、大きな非凸ペイロードを確実に輸送することを示した。

関連論文リスト

• Task-Space Constrained Stochastic Trajectory Optimization for Time-Optimal Forestry Crane Motion Planning [0.21748200848556343]
  軌道最適化(VP-STO)は、この領域において、時間-最適ハイブリッド運動計画法を実証している。 森林クレーンのようなキネマティックに冗長なマニピュレータの場合、この1つの逆キネマティックス解への事前コミットは、プランナーが冗長性を利用する能力を制限する。 本稿では,厳密な終端結合空間制約をタスク空間制約に置き換える,タスク空間制約付きVP-STOを提案する。
  論文  参考訳（メタデータ） (2026-07-20T11:02:30Z)
• 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)
• AutoPath: Learning Transferable Goal-Conditioned Stochastic Path Prior for Safe Navigation Without Human Demonstrations [103.61864552260316]
  動的環境におけるリアルタイムナビゲーションは、限られた知覚下での衝突のない、動的に実現可能な動きを必要とする。 我々は,移動可能な目標整合経路の学習としてナビゲーションを定式化し,局所的な観測に基づいて,目標整合な局所経路上の再利用可能な分布をモデル化する。 我々は、幾何対応の極性行動多様体を用いて局所経路をパラメータ化し、安定かつ安全対応の計画のためのマルチゴール分散ロールアウトによるリスク感応性ユーティリティシェーピングを含む構造化された事前学習フレームワークを開発した。
  論文  参考訳（メタデータ） (2026-07-13T16:00:41Z)
• 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)
• 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)
• DiFSD: Ego-Centric Fully Sparse Paradigm with Uncertainty Denoising and Iterative Refinement for Efficient End-to-End Self-Driving [55.53171248839489]
  我々は、エンドツーエンドの自動運転のためのエゴ中心の完全スパースパラダイムであるDiFSDを提案する。 特に、DiFSDは主にスパース知覚、階層的相互作用、反復的な運動プランナーから構成される。 nuScenesとBench2Driveデータセットで実施された実験は、DiFSDの優れた計画性能と優れた効率を実証している。
  論文  参考訳（メタデータ） (2024-09-15T15:55:24Z)
• Consolidating Kinematic Models to Promote Coordinated Mobile Manipulations [96.03270112422514]
  我々は,移動体ベース,アーム,移動体操作で操作する物体の運動学を統合する仮想キネマティックチェイン(VKC)を構築した。 移動操作タスクは、構築されたVKCの状態を変更して表現され、移動計画問題に変換することができる。
  論文  参考訳（メタデータ） (2021-08-03T02:59:41Z)

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。