論文の概要: Predictive Relative-Velocity Steering for Safe Robotic Manipulator Teleoperation in Dynamic Environments
- arxiv url: http://arxiv.org/abs/2608.13284v1
- Date: Thu, 13 Aug 2026 14:17:12 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-14 18:29:38.554466
- Title: Predictive Relative-Velocity Steering for Safe Robotic Manipulator Teleoperation in Dynamic Environments
- Title（参考訳）: 動的環境における安全なロボットマニピュレータ遠隔操作のための予測相対速度ステアリング
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 7.297209090323272
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recent advances in teleoperation have enabled robotic manipulators to perform dexterous, human-arm-like motions. However, human operators may fail to avoid suddenly appearing obstacles promptly and effectively, particularly under network latency or limited attention, thereby creating safety risks. To address this issue, we propose a lightweight and modular framework for proactive collision avoidance, operating directly at the end-effector velocity-command level. After preprocessing the point cloud, the framework first predicts potential collisions based on time-to-collision (TTC) with integrated overshoot protection, and subsequently rotates the relative-velocity vector using Rodrigues' rotation formula. The deflection changes only the direction of the relative velocity while preserving its magnitude, thereby mitigating the deadlock problem commonly encountered by conventional artificial potential field (APF) methods. The prediction module compensates for point-cloud processing latency introduced by complex teleoperation pipelines, while the lightweight design enables the high-frequency control required for teleoperation. Simulations across diverse scenarios show that the proposed method achieves a higher end-effector collision avoidance rate than the baseline methods. Experiments on a physical robotic system further validate its collision-avoidance effectiveness.
- Abstract（参考訳）: 近年の遠隔操作の進歩により、ロボットマニピュレータは器用で人間の腕のような動きを行えるようになった。
しかしながら、人間のオペレータは、特にネットワーク遅延や注意の制限の下で、突然出現する障害を迅速に効果的に回避することができず、それによって安全性のリスクが生じる。
この問題に対処するため,本研究では,エンドエフェクタ・ベロシティ・コマンドレベルで直接動作する,プロアクティブ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。
点雲を前処理した後、このフレームワークはまず、統合オーバーシュート保護によるTTC(Time-to-collision)に基づく潜在的な衝突を予測し、その後ロドリゲスの回転公式を用いて相対速度ベクトルを回転させる。
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ため、従来の人工電位場(APF)法でよく発生するデッドロック問題を緩和する。
予測モジュールは、複雑な遠隔操作パイプラインによって導入されたポイントクラウド処理遅延を補償し、軽量設計は遠隔操作に必要な高周波制御を可能にする。
各種シナリオを対象としたシミュレーションにより,提案手法はベースライン法よりも高い衝突回避率が得られることを示す。
物理ロボットシステムの実験は、衝突回避の有効性をさらに検証する。
関連論文リスト
- A Neural Network Based Teleoperation for Remote Controlled Vehicles [98.38733381483934]
車両の直接遠隔操作は重要な技術的ボトルネックに直面している。
通信遅延とオペレーターの 物理的に知覚できない 未モデル化の環境障害。
本稿では,一方的な遠隔操作フレームワークを提案する。
論文 参考訳（メタデータ） (2026-08-11T01:51:08Z) - Predictive Training with Latent Imagination for Visual Quadruped Navigation [2.687590979817173]
脚付きロボットの強化学習ナビゲーションポリシーは、現在の観測と短期記憶から反応的に行動を選択する。
トレーニング中にポリシーの繰り返し状態に適用される軽量な予測監督は、推論時コントローラを変更することなく予測障害ダイナミクスを符号化することができる。
動的障害物を伴うシミュレーションおよび実世界のナビゲーションベンチマークにおいて,予測学習信号のみでの衝突速度を低減しつつ,ナビゲーションの成功を著しく改善する。
論文 参考訳（メタデータ） (2026-07-20T05:33:22Z) - 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) - SkyJEPA: Learning Long-Horizon World Models for Zero-Shot Sim-to-Real Control of Quadrotors [48.60897189520386]
本稿では,実時間四重項制御のためのJEPAスタイルモデルを提案する。
我々は、潜伏動力学モデルと、凍結した潜伏者を解釈可能な状態にマッピングする、物理学に着想を得た新しいプロバーを組み合わせる。
高価で安全性の低い実世界のデータ収集への依存を低減するため,自動データセット生成のための構造化パイプラインを構築した。
論文 参考訳（メタデータ） (2026-06-22T15:00:59Z) - Real-Time and Accurate Collision-Free Teleoperation via Differentiable Constraint-Based Trajectory Planning [1.4699455652461726]
この問題を緩和するための一般的な戦略は、最適制御に基づく軌道計画を用いて演算子の入力を強化することである。
我々は、凸最適化における双対性に基づいて、最近の微分可能な衝突回避制約の定式化を遠隔操作設定に適用する。
その結果,提案手法はより高精度な障害物モデリングを実現するとともに,計算時間を短縮できることがわかった。
論文 参考訳（メタデータ） (2026-06-07T16:39:56Z) - PnP-Corrector: A Universal Correction Framework for Coupled Spatiotemporal Forecasting [62.22445401483844]
既存の手法は複雑なエラーのボトルネックによって厳しく制約されている。
我々は-Cast-Corrector (Plug-and-Play Corrector)と呼ばれる普遍的なフレームワークを提案する。
本手法は,結合予測システムの長期安定性を著しく向上させる。
論文 参考訳（メタデータ） (2026-05-09T13:12:33Z) - 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) - Warm-Starting Collision-Free Model Predictive Control With Object-Centric Diffusion [38.363402738466334]
拡散型ウォームスタート条件と潜時オブジェクト中心のシーン表現を組み合わせることで、厳密な時間制限下での信頼性と効率的な動き生成が得られることを示す。
提案手法では,オブジェクト中心のスロットアテンション機構を用いて,システム状態,タスク,周囲に拡散トランスフォーマを設定できる。
サンプル軌道は、剛体力学と符号-距離衝突制約を強制する最適制御問題によって洗練される。
論文 参考訳（メタデータ） (2026-01-06T10:02:54Z) - Obstacle Avoidance of UAV in Dynamic Environments Using Direction and Velocity-Adaptive Artificial Potential Field [0.0]
本論文は,無人航空機(UAV)の空域における自律衝突回避の課題について論じる。
それは新しい方向と相対速度重み付き人工電位場(APF)を提案する。
このアプローチでは、障害物の方向と速度に基づいて反発電位を動的にスケールするために、有界重み関数$(,v_e)$を導入している。
論文 参考訳（メタデータ） (2025-12-08T14:57:01Z) - 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) - Forecasting Particle Accelerator Interruptions Using Logistic LASSO
Regression [62.997667081978825]
インターロックと呼ばれる予期せぬ粒子加速器の割り込みは、必要な安全対策にもかかわらず、突然の運用変更を引き起こす。
このような中断を予測することを目的とした,単純かつ強力なバイナリ分類モデルを提案する。
このモデルは、少なくとも絶対収縮と選択演算子によって罰せられるロジスティック回帰として定式化される。
論文 参考訳（メタデータ） (2023-03-15T23:11:30Z) - Risk-Sensitive Sequential Action Control with Multi-Modal Human
Trajectory Forecasting for Safe Crowd-Robot Interaction [55.569050872780224]
本稿では,リスクに敏感な最適制御に基づく安全な群集ロボットインタラクションのためのオンラインフレームワークを提案し,そのリスクをエントロピーリスク尺度でモデル化する。
私たちのモジュラーアプローチは、クラウドとロボットの相互作用を学習ベースの予測とモデルベースの制御に分離します。
シミュレーション研究と実世界の実験により、このフレームワークは、現場にいる50人以上の人間との衝突を避けながら、安全で効率的なナビゲーションを実現することができることが示された。
論文 参考訳（メタデータ） (2020-09-12T02:02:52Z)
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。