論文の概要: CSymPlan: Certified Symbolic Planning and Control for High-DOF Manipulators
- arxiv url: http://arxiv.org/abs/2608.22983v1
- Date: Mon, 24 Aug 2026 08:45:37 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-25 13:29:44.000011
- Title: CSymPlan: Certified Symbolic Planning and Control for High-DOF Manipulators
- Title（参考訳）: CSymPlan:高DOFマニピュレータのシンボル計画と制御認定
- Abstract要約: CSymPlanは、高DOFマニピュレータのためのシンボリックプランニングおよび制御フレームワークである。
オフライン実装は、既知のワークスペースに対する認証済みのリーチ回避フィードバックポリシーをプリ計算する。
オンライン実装は、タスクや知覚情報の変更から実行時にシンボリックポリシーを合成または更新する。
どちらの実装も、安全違反のないリーチ回避タスクを完了している。
- 参考スコア（独自算出の注目度）: 4.257148651564725
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Robot manipulators are commonly engineered around a decoupled motion-generation stack: a planner computes a collision-free path and a lower-level controller tracks the resulting reference. This separation is computationally convenient, but it can produce references that are difficult to execute under actuator limits, tracking error, model mismatch, and small obstacle clearances. We present CSymPlan, a certified symbolic planning and control framework for high-DOF manipulators with two complementary implementations: an offline implementation that precomputes certified reach-avoid feedback policies for known workspaces; and an online implementation that synthesizes or updates symbolic policies at runtime from changing task and perception information using parallelization. The offline implementation reduces the manipulator dynamics to a sampled perturbed double-integrator model in operational space through feedback linearization, treats torque-realization errors, modeling inaccuracies, and measurement uncertainty as bounded disturbances, and refines the synthesized symbolic policy to the Franka FR3 through a quantization--lookup--torque realization pipeline. The online implementation uses the same abstraction and refinement interface, but replaces the precomputed policy table with a runtime pFaces request--synthesis--execution loop. In randomized simulated benchmarks and perception-driven Franka FR3 experiments, both implementations complete reach-avoid tasks with zero safety violations; whenever no certified action exists, the robot holds, replans, or stops safely instead of executing an uncertified command.
- Abstract（参考訳）: ロボットマニピュレータは通常、分離されたモーションジェネレーションスタックを中心に設計されており、プランナーが衝突のない経路を計算し、低レベルのコントローラが結果の参照を追跡する。
この分離は計算上便利であるが、アクチュエータ制限下での実行が困難な参照、エラーの追跡、モデルミスマッチ、小さな障害物クリアランスを生成することができる。
CSymPlanは高DOFマニピュレータのための認証済みシンボル計画制御フレームワークで、既知のワークスペースに対する認証済みリーチ回避フィードバックポリシーをプリコンプリートするオフライン実装と、並列化を用いたタスクや知覚情報の変更から、実行時にシンボルポリシーを合成または更新するオンライン実装である。
オフライン実装は、フィードバック線形化により、操作空間におけるサンプル摂動二重積分モデルへのマニピュレータのダイナミクスを低減し、トルク実現誤差を扱い、不正確なモデリングと測定の不確かさを有界な障害として扱い、量子化-ルックアップ-トルク実現パイプラインを通じて、Franka FR3へのシンボリックポリシーを洗練する。
オンライン実装では、同じ抽象化と洗練されたインターフェースを使用しているが、事前計算されたポリシーテーブルを、実行時 pFaces の要求-合成-実行ループに置き換える。
ランダム化されたシミュレートされたベンチマークと知覚駆動のFranka FR3実験では、どちらの実装も安全違反のない到達不能なタスクを完了している。
関連論文リスト
- TrapVLA: Trapping Vision-Language-Action Models in Configured Failure Modes [65.10128145059127]
この研究は、Vision-Language-Action(VLA)モデルに対する新しいバックドア攻撃タスクであるConfigured Failure Trappingを導入している。
本稿では,高品質な目標軌道を合成するための効率的なデータエンジンと,構成欠陥の忠実度を測定するための自動スイートを提案する。
実験によると、TrapVLAは構成された障害モードをVLAモデルに効果的に注入し、クリーンなデータのパフォーマンスを保っている。
論文 参考訳（メタデータ） (2026-08-27T03:44:49Z) - From Detection to Action: Using LLM Agents for Fault-Tolerant Control [0.21313236831585222]
我々は,耐故障性制御のためのエージェント型大規模言語モデル(LLM)フレームワークを提案する。
故障検出出力を、植物固有の知識に基づく制約対応回復行動に変換する。
我々は,各プロセスのダイナミックスと互換性のある遅延予算内で,意味的基盤を持つエージェントが有効なリカバリ決定を導出できることを示す。
論文 参考訳（メタデータ） (2026-06-26T12:13:58Z) - CoStream: Composing Simple Behaviors for Generalizable Complex Manipulation [61.25264898597319]
複雑な操作能力は、単純で独立した振る舞いの合成から自然に現れることを示す。
基礎モデルと多種多様な感覚モダリティを複数の構成可能なコア動作に編成するフレームワークであるCoStreamを提案する。
我々は,日常的な操作や高精度なアセンブリにまたがる8つの実世界のタスクについて,CoStreamを実証する。
論文 参考訳（メタデータ） (2026-06-24T22:25:19Z) - Planning-aligned Token Compression for Long-Context Autonomous Driving [95.59023657139208]
条件付きVQ-VA上に構築した計画整合型ワーキングメモリフレームワークを提案する。
圧縮は歴史的軌跡と学習した計画意図の両方で条件付けられている。
歴史的文脈が行動の正確性に最も重要となる高信号動的シナリオについて評価する。
論文 参考訳（メタデータ） (2026-06-05T17:16:21Z) - 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) - ContractionPPO: Certified Reinforcement Learning via Differentiable Contraction Layers [5.690649768462432]
本稿では,手足ロボットのロバストな計画と制御のためのフレームワークであるContractionPPOを提案する。
収縮PPOは、模擬閉ループ系の指数的安定性を証明する収縮計量を生成する。
四足歩行におけるハードウェア実験により,強い外乱下であっても,ContractionPPOは頑健で安定な制御を可能にすることが示された。
論文 参考訳（メタデータ） (2026-03-20T04:32:18Z) - 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) - Constrained Decoding for Robotics Foundation Models [12.916330118607918]
本稿では,自動回帰ロボット基盤モデルのための制約付き復号化フレームワークであるSafeDecを紹介する。
タスク固有の安全ルールはSignal Temporal Logic (STL) 公式として表現され、最小限のオーバーヘッドで推論時に強制される。
提案手法は,実行時に仮定された動的条件下でのSTL仕様を,再トレーニングなしで確実に満たすものである。
論文 参考訳（メタデータ） (2025-09-01T19:17:40Z) - DriveTransformer: Unified Transformer for Scalable End-to-End Autonomous Driving [62.62464518137153]
DriveTransformerは、スケールアップを簡単にするためのシンプルなE2E-ADフレームワークである。
タスク・セルフ・アテンション、センサー・クロス・アテンション、時間的クロス・アテンションという3つの統合された操作で構成されている。
シミュレーションされたクローズドループベンチマークBench2Driveと、FPSの高い実世界のオープンループベンチマークnuScenesの両方で、最先端のパフォーマンスを実現している。
論文 参考訳（メタデータ） (2025-03-07T11:41:18Z) - Code-as-Monitor: Constraint-aware Visual Programming for Reactive and Proactive Robotic Failure Detection [56.66677293607114]
オープンセットのリアクティブかつアクティブな障害検出のためのCode-as-Monitor(CaM)を提案する。
モニタリングの精度と効率を高めるために,制約関連エンティティを抽象化する制約要素を導入する。
実験により、CaMは28.7%高い成功率を達成し、厳しい乱れの下で実行時間を31.8%短縮することが示された。
論文 参考訳（メタデータ） (2024-12-05T18:58:27Z) - 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) - Guided Constrained Policy Optimization for Dynamic Quadrupedal Robot
Locomotion [78.46388769788405]
我々は,制約付きポリシー最適化(CPPO)の実装に基づくRLフレームワークであるGCPOを紹介する。
誘導制約付きRLは所望の最適値に近い高速収束を実現し,正確な報酬関数チューニングを必要とせず,最適かつ物理的に実現可能なロボット制御動作を実現することを示す。
論文 参考訳（メタデータ） (2020-02-22T10:15:53Z)
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。