論文の概要: Backward Layout Search for Sequence-Constrained Robotic Assembly
- arxiv url: http://arxiv.org/abs/2608.18454v1
- Date: Wed, 19 Aug 2026 02:29:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-20 20:13:55.258678
- Title: Backward Layout Search for Sequence-Constrained Robotic Assembly
- Title（参考訳）: 順序制約付きロボット組立のための後方レイアウト探索
- Abstract要約: ロボット組立レイアウト計画のための後方レイアウト探索(BLS)を提案する。
BLSは初期部分のポーズを逆アセンブリ順序で割り当てる。
衝突のない実行可能レイアウトを生成し、マッチした前方探索と比較してステップ評価と探索時間を短縮する。
- 参考スコア（独自算出の注目度）: 16.81798013856547
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Robotic assembly layout planning must determine the assembly site and the initial pose of each part while ensuring collision-free execution of a prescribed assembly sequence. This problem is challenging because the obstacle environment changes after each assembly step, and unassembled parts re maining in the workspace may block robot motions. We observe that the feasibility of each assembly step depends only on the initial poses of the current and later-assembled parts. Based on this dependency, we propose Backward Layout Search (BLS), which assigns initial part poses in reverse assembly order. Each expansion performs geometric, kinematic, grasp, and prescribed-motion checks, while collision masks and candidate set filtering remove infeasible initial part pose candidates. Promising partial layouts are retained through beam selection, and complete layouts are validated by full motion planning in forward assembly order. Experiments on five assembly models show that BLS produces collision-free executable layouts and reduces step evaluations and search time compared with a matched forward search.
- Abstract（参考訳）: ロボット組立配置計画では、所定の組立シーケンスの衝突のない実行を確保しつつ、各部品の組立部位と初期ポーズを決定する必要がある。
この問題は、各組立工程後に障害物環境が変化し、ワークスペースに再配置された未組立部品がロボットの動きを妨害する可能性があるためである。
各組立工程の実現性は、現在および後続の組み立て部品の初期ポーズにのみ依存する。
この依存関係に基づいて、初期部分のポーズを逆アセンブリ順序で割り当てるbackward Layout Search (BLS)を提案する。
各展開は、幾何学的、運動学的、把握的、所定の動作チェックを実行し、衝突マスクと候補セットフィルタリングは、実現不可能な初期部分のポーズ候補を除去する。
ビーム選択により部分配置の確率を保ち、完全な配置は前方組立順序で全動計画により検証される。
5つの組立モデルによる実験により、BLSは衝突のない実行可能レイアウトを生成し、マッチングされた前方探索と比較してステップ評価と探索時間を短縮することを示した。
関連論文リスト
- Planning a Shared Modular Fixture Layout Across Robotic Disassembly Stages [7.124188498356204]
部品が取り除かれると、表面、質量分布、タスクの負荷は分解プロセスを通して変化する。
本稿では, 再構成を伴わずに, 連続離散配置空間を計画する真空固定方式を提案する。
論文 参考訳（メタデータ） (2026-08-27T14:03:43Z) - SCULPT: Subtractive Composition for 3D Part Generation [48.947695076233835]
パートアウェアな3D生成は、完全なオブジェクトとして一貫性のあるデジタルアセットを作成することを目的としています。
本稿では,これらの課題に対処するフレームワークであるSCULPTを提案する。
論文 参考訳（メタデータ） (2026-08-13T17:55:04Z) - Manifold-Guided Motion Planning for Tight Assemblies [5.967279020820772]
クリティカルマニフォールドガイドRT(Critical-Manifold Guided RRT、CMG-RRT)は、タイトな組立問題に特化して設計されたサンプリングベースのプランナーである。
我々のキーとなる観察は、緊密な集合において、有効な解経路が臨界多様体の上または近くにあることである。
CMG-RRTは、臨界多様体の近傍へのサンプリングを適応的にバイアスすることで探索を導く。
論文 参考訳（メタデータ） (2026-07-20T12:46:27Z) - Detection Based Part-level Articulated Object Reconstruction from Single RGBD Image [52.11275397911693]
本稿では,1枚のRGBD画像から複数の人工関節オブジェクトを再構成する,エンドツーエンドで訓練可能なクロスカテゴリ手法を提案する。
私たちは、あらかじめ定義された部分数で人工的なオブジェクトに焦点をあて、インスタンスレベルの潜在空間を学習することに依存する以前の作業から離れています。
提案手法は, 従来の作業では処理できない様々な構成された複数インスタンスの再構築に成功し, 形状再構成や運動学推定において, 先行の作業よりも優れていた。
論文 参考訳（メタデータ） (2025-04-04T05:08:04Z) - SPAFormer: Sequential 3D Part Assembly with Transformers [52.980803808373516]
SPAFormerは3Dパートアセンブリ(3D-PA)タスクにおける逐次的な爆発的課題を克服するために設計された革新的なモデルである。
部品の数が増えると、組立の組み合わせは指数関数的に増加し、3D-PAの有効性を著しく阻害する爆発を引き起こす。
部分列は、単語によって構成された文に似た構成規則を伝達するため、並列およびオートレ生成の両方を探索する。
論文 参考訳（メタデータ） (2024-03-09T10:53:11Z) - 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) - Rearrangement Planning for General Part Assembly [41.0167725449516]
本稿では、パートポーズを正確に予測するトランスフォーマーベースのモデルアーキテクチャであるGPAT(General Part Assembly Transformer)を提案する。
実世界の3次元CADモデルと実世界のスキャンによる実験により,GPATの新規かつ多様なターゲットおよび部品形状への一般化能力が実証された。
論文 参考訳（メタデータ） (2023-07-01T03:13:17Z) - 3D Part Assembly Generation with Instance Encoded Transformer [22.330218525999857]
本稿では,部品間の幾何的および関係的な推論を伴い,部品の更新を反復的に行う多層トランスフォーマーベースのフレームワークを提案する。
フレームワークをプロセス内部分アセンブリと呼ばれる新しいタスクに拡張します。
提案手法は、パブリックなPartNetデータセット上の複数のメトリクスにおいて、現在の最先端よりも10%以上改善されている。
論文 参考訳（メタデータ） (2022-07-05T02:40:57Z) - Assembly Planning from Observations under Physical Constraints [65.83676649042623]
提案アルゴリズムは, 物理安定性制約, 凸最適化, モンテカルロ木探索の簡単な組み合わせを用いて, 集合を計画する。
それは効率的で、最も重要なことは、オブジェクト検出のエラーに対して堅牢であり、実際のロボットシステムでは避けられないポーズ推定である。
論文 参考訳（メタデータ） (2022-04-20T16:51:07Z) - Unsupervised Pose-Aware Part Decomposition for 3D Articulated Objects [68.73163598790255]
本研究では,機械的関節を有する人工関節オブジェクトを対象とする新しい環境に対処するため,PD(unsupervised Pose-aware Part Decomposition)を提案する。
本研究は,(1)非原始的な暗黙的表現による部分分解の教師なし学習を促進させ,(2)単一フレーム形状の監督下での協調パラメータとして機能することを示す。
論文 参考訳（メタデータ） (2021-10-08T23:53:56Z) - Self-Supervised Scene De-occlusion [186.89979151728636]
本稿では,隠蔽対象の隠蔽順序を復元し,隠蔽対象の見えない部分を完成させることを目的としたシーン非隠蔽問題について検討する。
そこで本研究では,隠されたシーン構造を監視対象として指示やアモーダルアノテーションを使わずに復元する,新規で統一的なフレームワークを用いて,この問題に対処する試みを行う。
そこで,PCNet-M と PCNet-C をベースとして,プログレッシブ・オーダリング・リカバリ,アモーダル・コンプリーメント,コンテント・コンプリートを通じてシーン・デオクルージョンを実現する新しい推論手法を考案した。
論文 参考訳（メタデータ） (2020-04-06T16:31:11Z) - Learning 3D Part Assembly from a Single Image [20.175502864488493]
そこで本研究では,新たな問題として,学習ベースのソリューションとともに,シングルイメージの3Dパーツアセンブリを導入する。
本報告では, 家具組立において, 部品の完全な集合と, 組み立て物全体を描いた一枚の画像から, 家具組立の設定について検討する。
論文 参考訳（メタデータ） (2020-03-21T21:19:28Z)
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。