論文の概要: PEEL: Parallel Extraction for Long-Horizon Disassembly Planning via Scale-Invariant Sampling
- arxiv url: http://arxiv.org/abs/2608.08773v1
- Date: Sun, 09 Aug 2026 15:44:26 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-11 19:16:36.945627
- Title: PEEL: Parallel Extraction for Long-Horizon Disassembly Planning via Scale-Invariant Sampling
- Title（参考訳）: PEEL:スケール不変サンプリングによる長距離分解計画のための並列抽出
- Abstract要約: 本研究では,オブジェクト集合体の分解動作を効率よく計算し,ロボットマニピュレータに供給するアルゴリズムを提案する。
その結果,MAB-RRTは76組の組立で100%成功率の単一部品分解を効率よく解くことができることがわかった。
- 参考スコア（独自算出の注目度）: 11.068491046076174
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Long-horizon multi-part object disassembly requires robots to compute feasible sequences of collision-free removal motions, even in the presence of tight, narrow escape corridors. To efficiently solve such disassembly problems, we propose Parallel Extraction for Long-Horizon Disassembly (PEEL), an algorithm which efficiently computes disassembly motions for object assemblies and feeds them to a robot manipulator for execution. PEEL uses sampling-based motion planning to compute single-object motions through the use of a scale-invariant sampling scheme, where the object scale is estimated in a burn-in phase and a subsequent directional sampler exploits the scale. This sampling scheme is integrated into a multi-arm bandit rapidly-exploring random tree (MAB-RRT) planner, which switches between different samplers depending on the reward signal received. Using MAB-RRT, the PEEL algorithm runs a batch of planners in parallel to obtain an ordered graph specifying the sequence in which object parts have to be removed. We show that MAB-RRT can efficiently solve single-part disassemblies with 100 percent success rate on 76 assemblies, and that it is robust to its parameters. By integrating MAB-RRT into PEEL, we solve four long-horizon disassembly problems using the Fetch manipulator robot involving 10 to 17 individual object parts.
- Abstract（参考訳）: ロングホライゾン・マルチパーツ・オブジェクトの分解は、狭い逃走回廊があっても、衝突のない除去運動の実行可能なシーケンスをロボットが計算する必要がある。
このような分解問題を効率的に解くために,オブジェクトアセンブリの分解動作を効率的に計算し,実行のためにロボットマニピュレータに供給するアルゴリズムであるPEEL(Parallel extract for Long-Horizon Disassembly)を提案する。
PEELは, 単対象の動作計画を用いて, スケール不変のサンプリングスキームを用いて, 対象のスケールをバーンインフェーズで推定し, その後の方向のサンプリング器がスケールを利用する。
このサンプリングスキームは、受信した報奨信号に応じて異なるサンプリング者間で切替を行うマルチアームバンディット高速探索ランダムツリー(MAB-RRT)プランナーに統合される。
MAB-RRTを用いて、PEELアルゴリズムは並列にプランナーのバッチを実行し、オブジェクト部品を削除しなければならないシーケンスを指定する順序付きグラフを得る。
その結果,MAB-RRTは76組の集合に対して100%の成功率を持つ単一部品の分解を効率よく解くことができ,そのパラメータに対して堅牢であることがわかった。
PEELにMAB-RRTを組み込むことにより,10～17個の個別部品を含むFetchマニピュレータロボットを用いて,4つの長距離分解問題を解く。
関連論文リスト
- PccDiffuser: Multi-solution Motion Planning for Continuum Robots [24.360111540705002]
PccDiffuserは連続ロボットのための条件付き拡散フレームワークである。
完全な構成空間パス上のマルチモーダル分布を学習し、複数の候補解を並列にサンプリングする。
アクチュエータ制約を考慮した時間割当により実行可能な軌道に変換する。
論文 参考訳（メタデータ） (2026-09-09T05:41:27Z) - Trajectory Optimization for Collision-Aware Redundant Robotic Multi-Axis Additive Manufacturing by Constrained Gradient Projection [14.036000612440603]
本研究は、冗長ロボットMAAMにおける衝突認識軌道最適化のための計算フレームワークを提案する。
実験により, 平均ノズル位置誤差を10m以下に維持し, 最大接合ジャークを7.6%まで低減し, 試料衝突や配向違反を排除した。
論文 参考訳（メタデータ） (2026-06-29T04:18:54Z) - Object-Informed Model Predictive Path Integral Control for Non-Prehensile Robot Manipulation [7.6557550594212715]
非包括的ロボット操作のための長期計画は、不安定で不連続な相互作用のために困難である。
本稿では,モデル予測経路積分(MPPI)制御の階層的定式化を提案する。
6-DoF xArm6 マニピュレータを用いて物体押出作業を行うシミュレーションとハードウェアの両方で本手法の評価を行った。
論文 参考訳（メタデータ） (2026-05-29T03:10:44Z) - Navigating the Clutter: Waypoint-Based Bi-Level Planning for Multi-Robot Systems [54.887871365121775]
乱雑な環境におけるマルチロボット制御は、複雑な物理的制約を伴う難しい問題である。
タスクとモーションプランニングを協調的に最適化するハイブリッドマルチロボット制御フレームワークを提案する。
我々のアプローチは、動作に依存しないベースラインとVLAベースのベースラインよりもタスクの成功を継続的に改善する。
論文 参考訳（メタデータ） (2026-04-22T22:58:47Z) - Many-RRT*: Robust Joint-Space Trajectory Planning for Serial Manipulators [1.157930969832493]
マニピュレータの関節空間における計画は、非可逆的な前方運動学による重要な課題を呈する。
Many-RRT* は RRT*-Connect の拡張であり、複数の目標を並行して計画している。
論文 参考訳（メタデータ） (2026-03-04T19:31:37Z) - ParaMaP: Parallel Mapping and Collision-free Motion Planning for Reactive Robot Manipulation [17.260700135265267]
未知の環境でのロボット操作には、リアルタイムおよび衝突のないモーションプランニングが依然として困難である。
本研究では,Euclidean Distance Transform(EDT)に基づく環境表現をサンプリングベースモデル予測制御(SMPC)プランナと密に統合する並列マッピングと動作計画フレームワークを提案する。
提案手法の有効性は, 7-DoFロボットマニピュレータを用いた広範囲なシミュレーションと実世界の実験により検証した。
論文 参考訳（メタデータ） (2025-12-27T12:24:10Z) - Dependency-Aware Task Offloading in Multi-UAV Assisted Collaborative Mobile Edge Computing [53.88774113545582]
本稿では,新しい無人航空機(UAV)による協調移動エッジコンピューティング(MEC)フレームワークを提案する。
システムコストを最小限に抑え、タスク消費とエネルギー消費のトレードオフを改善することを目的としている。
提案手法はシステムコストを大幅に削減し,タスク消費とエネルギー消費のトレードオフの改善を実現する。
論文 参考訳（メタデータ） (2025-10-23T02:55:40Z) - 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) - COHERENT: Collaboration of Heterogeneous Multi-Robot System with Large Language Models [49.24666980374751]
COHERENTは、異種マルチロボットシステムの協調のための新しいLCMベースのタスク計画フレームワークである。
提案-実行-フィードバック-調整機構は,個々のロボットに対して動作を分解・割り当てするように設計されている。
実験の結果,我々の研究は,成功率と実行効率の面で,従来の手法をはるかに上回っていることが明らかとなった。
論文 参考訳（メタデータ） (2024-09-23T15:53:41Z) - Random Aggregate Beamforming for Over-the-Air Federated Learning in Large-Scale Networks [66.18765335695414]
本稿では,アグリゲーションエラーを最小限に抑え,選択したデバイス数を最大化する目的で,共同装置の選択とアグリゲーションビームフォーミング設計について検討する。
コスト効率のよい方法でこの問題に取り組むために,ランダムな集合ビームフォーミング方式を提案する。
また, 得られた集計誤差と, デバイス数が大きい場合に選択したデバイス数についても解析を行った。
論文 参考訳（メタデータ） (2024-02-20T23:59:45Z) - Multi-level Reasoning for Robotic Assembly: From Sequence Inference to
Contact Selection [74.40109927350856]
本稿では,PAST(Part Assembly Sequence Transformer)を用いて,対象とするブループリントからアセンブリシーケンスを推論する。
次に、モーションプランナーと最適化を使用して、部品の動きと接触を生成する。
実験結果から,本手法は従来手法よりも一般化されていることがわかった。
論文 参考訳（メタデータ） (2023-12-17T00:47:13Z) - Simultaneous Contact-Rich Grasping and Locomotion via Distributed
Optimization Enabling Free-Climbing for Multi-Limbed Robots [60.06216976204385]
移動, 把握, 接触問題を同時に解くための効率的な運動計画フレームワークを提案する。
ハードウェア実験において提案手法を実証し, より短い計画時間で, 傾斜角45degで自由クライミングを含む様々な動作を実現できることを示す。
論文 参考訳（メタデータ） (2022-07-04T13:52:10Z)
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。