論文の概要: Event-Time Hybrid Optimal Control for Robotic Table Tennis Serves

• arxiv url: http://arxiv.org/abs/2608.08157v1
• Date: Sat, 08 Aug 2026 14:35:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-11 19:16:36.703859
• Title: Event-Time Hybrid Optimal Control for Robotic Table Tennis Serves
• Title（参考訳）: ロボットテーブルテニスサーブのイベント時間ハイブリッド最適制御
• Abstract要約: ロボットテーブルテニスは、ロボットのキノダイナミックな限界を尊重しながら、高いボール速度とスピンを必要とする。 我々は、ラケットの衝撃速度と方向を最適化するイベント時間acOCPとしてスピン制御サーブ生成を定式化する。 その結果、イベント時最適制御は、物理的に有効なキノダイナミックなサービスを生成する。
• 参考スコア（独自算出の注目度）: 7.9016044167814785
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Robotic table tennis serves require high ball velocity and spin while respecting the robot's kinodynamic limits. Unlike rally strokes, a valid serve must also bounce on the server's side and clear the net, yielding a hybrid system with nonlinear flight and impact dynamics. We formulate spin-controlled serve generation as an event-time \ac{OCP} that optimizes the racket impact velocity and orientation together with the bounce, net-crossing, and landing times, enabling direct enforcement at phase boundaries of table-bounce and net-clearance constraints. The racket velocity and orientation are then converted into a complete kinodynamically feasible motion through a second \ac{OCP} enforcing joint-position, velocity, and torque limits. We evaluate the method numerically and on a KUKA Agilus robot. Compared with a fixed-step formulation with root localization, the proposed event-time formulation reduces the median solve time by a factor of 4.1 while maintaining comparable landing accuracy, spin accuracy, and serve validity. Real-robot experiments demonstrate controlled placement and topspin, backspin, and sidespin serves, with a mean landing error of $13.1 \pm 7.3$~cm and spin rates up to 30~rps. These results show that event-time optimal control efficiently generates physically valid, kinodynamically feasible serves while accounting for nonlinear aerodynamic and impact effects.
• Abstract（参考訳）: ロボットテーブルテニスは、ロボットのキノダイナミックな限界を尊重しながら、高いボール速度とスピンを必要とする。 ラリーストロークとは異なり、有効なサーブはサーバー側でもバウンドしてネットをクリアし、非線形飛行と衝撃力学を備えたハイブリッドシステムを生成する必要がある。 我々は、バウンス、ネットクロス、着陸時間とともにラケット衝突速度と方向を最適化し、テーブルバウンスおよびネットクリアランス制約の位相境界での直接強制を可能にするイベント時間 \ac{OCP} としてスピン制御サービス生成を定式化する。 ラケット速度と向きは、関節位置、速度、トルク制限を強制する第2の \ac{OCP} を通して完全なキノダイナミックな運動に変換される。 我々は,この手法をKUKAアギルスロボット上で数値的に評価する。 固定段定式化とルートローカライゼーションとの比較により, イベント時定式化は, 着陸精度, スピン精度, 有効性を維持しつつも, 中央値の解時間を4.1倍に短縮する。 実際のロボット実験では、制御された配置とトップスピン、バックスピン、サイドピンが機能し、平均着陸誤差は13.1 \pm 7.3$~cm、スピン速度は30~rpsである。 これらの結果から, 事象時最適制御は物理的に有効であり, 非線形空力および衝撃効果を考慮しつつ, キノダイナミック的に有効であることがわかった。

関連論文リスト

• 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)
• The Nonsmooth Impact Direction (NSID) of Robotic Systems [7.759792392715686]
  非平滑な衝撃方向(NSID)がロボットの衝撃の特徴的な方向であることを示す。 非弾性およびフレキシブルな関節を持つシステムの特異性や制約のないシステムに対処する。 この研究は、様々なロボティック・インパクト・アプリケーションのための将来の計画と制御アルゴリズムの基礎となるかもしれない。
  論文  参考訳（メタデータ） (2026-07-15T12:29:09Z)
• Physics Models for Sim-to-Real Transfer in Professional-Level Robot Table Tennis [40.32087961270485]
  卓球では、ボールは、ロボットが追跡し、1秒以内に正確に対応しなければならない複雑な直感的軌跡に従う。 これらのスキルを持つ強化学習政策の訓練は、現実世界では違法に高価で危険である。 本研究では,ボールの挙動をゲームに関連する幅広い速度とスピンで正確に把握する,空力ボール飛行,ボールテーブル接触,ボールラケット接触の物理モデルを提案する。
  論文  参考訳（メタデータ） (2026-06-27T08:18:49Z)
• Optimal Control Approach for Non-prehensile Ball Juggling Using a 7-DoF Manipulator [18.817896751468854]
  非包括的オブジェクト操作技術は、現実世界のロボットインタラクションにおいて重要である。 ジャグリングは解決すべき非常に困難な操作と見なすことができる。 本研究では,ツールを用いた非包括的球ジャグリングを行う7自由度マニピュレータの系統的制御法を開発した。
  論文  参考訳（メタデータ） (2026-06-04T20:44:19Z)
• Learning Racket-Ball Bounce Dynamics Across Diverse Rubbers for Robotic Table Tennis [5.245633032900991]
  10個のラケット構成にまたがるボール-ラケット相互作用をモデル化するための統一的なフレームワークを提案する。 広範囲のインシデント速度とスピンにまたがるラケットボールバウンスのデータセットを収集します。 提案手法は, すべてのラケットタイプにおいて, 衝撃後速度とスピン予測誤差を低減し, 非標準ゴムの最大改良点である。
  論文  参考訳（メタデータ） (2026-04-13T11:47:10Z)
• Physics-Informed Reinforcement Learning of Spatial Density Velocity Potentials for Map-Free Racing [73.88859384645264]
  Out-Of-Distribution (OOD) の様々なレーストラックへの一般化は、機械学習(ML)を用いて、エンドツーエンド制御のためのセンサデータと車両アクチュエーターの間の数学的関係を符号化する。 本稿では,非幾何学的,物理インフォームド報酬を用いた深度測定のスペクトル分布から非線形車両動特性をパラメータ化して,ニューラルネットワーク(ANN)による車両の時間最適・乗換レース制御を推定するDRL法を提案する。 このポリシーは、経験的なパセジカタイヤモデルに似たタイヤのダイナミックスで摩擦円を最大化することで、OODトラックの12%で人間のデモより優れています。
  論文  参考訳（メタデータ） (2026-04-10T17:12:07Z)
• Shape Control of a Planar Hyper-Redundant Robot via Hybrid Kinematics-Informed and Learning-based Approach [42.55947704321053]
  ハイパー冗長ロボットは、厳密で非構造的な環境での操作をうまく行うことができる。 到達可能な作業空間を拡張するために,多段式フレキシブルラック作動型平面ロボットを開発した。 本研究では,SpatioCoupledNet というハイブリッドキネマティクス・インフォームド・学習型形状制御手法を提案する。
  論文  参考訳（メタデータ） (2026-03-11T04:35:06Z)
• RobotDancing: Residual-Action Reinforcement Learning Enables Robust Long-Horizon Humanoid Motion Tracking [50.200035833530876]
  RobotDancingはシンプルでスケーラブルなフレームワークで、残留する関節の目標を予測して、ダイナミックスの不一致を明示的に修正する。 複数分間の高エネルギー動作(ジャンプ、スピン、カートホイール)をトラッキングし、高いモーショントラッキング品質のハードウェアにゼロショットをデプロイする。
  論文  参考訳（メタデータ） (2025-09-25T03:30:34Z)
• Spatial-Temporal Graph Diffusion Policy with Kinematic Modeling for Bimanual Robotic Manipulation [88.83749146867665]
  既存のアプローチは、遠く離れた次のベストなエンドエフェクタのポーズを予測するポリシーを学びます。 すると、運動に対する対応する関節回転角を逆運動学を用いて計算する。 本稿では,Kinematics 拡張空間テンポアル gRaph diffuser を提案する。
  論文  参考訳（メタデータ） (2025-03-13T17:48:35Z)
• Monte Carlo Tree Search with Velocity Obstacles for safe and efficient motion planning in dynamic environments [49.30744329170107]
  本稿では,動的障害物に関する情報を最小限に抑えた最適オンライン動作計画手法を提案する。 提案手法は,モデルシミュレーションによるオンライン最適計画のためのモンテカルロ木探索 (MCTS) と障害物回避のためのVelocity Obstacles (VO) を組み合わせた。 我々は,非線形モデル予測制御(NMPC)を含む最先端のプランナーに対して,衝突速度,計算,タスク性能の向上の観点から,我々の方法論の優位性を示す。
  論文  参考訳（メタデータ） (2025-01-16T16:45:08Z)
• Motion Planning and Control for Multi Vehicle Autonomous Racing at High Speeds [100.61456258283245]
  本稿では,自律走行のための多層移動計画と制御アーキテクチャを提案する。 提案手法はダララのAV-21レースカーに適用され、楕円形のレーストラックで25$m/s2$まで加速試験された。
  論文  参考訳（メタデータ） (2022-07-22T15:16:54Z)
• OSCAR: Data-Driven Operational Space Control for Adaptive and Robust Robot Manipulation [50.59541802645156]
  オペレーショナル・スペース・コントロール(OSC)は、操作のための効果的なタスクスペース・コントローラとして使われてきた。 本稿では,データ駆動型OSCのモデル誤差を補償するOSC for Adaptation and Robustness (OSCAR)を提案する。 本手法は,様々なシミュレーション操作問題に対して評価し,制御器のベースラインの配列よりも大幅に改善されていることを示す。
  論文  参考訳（メタデータ） (2021-10-02T01:21:38Z)

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。