論文の概要: Coordinated Motion Planning for Multi-Arm Systems via Iterative LQ Games

• arxiv url: http://arxiv.org/abs/2608.27726v1
• Date: Thu, 27 Aug 2026 21:33:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-31 17:16:04.152375
• Title: Coordinated Motion Planning for Multi-Arm Systems via Iterative LQ Games
• Title（参考訳）: 反復LQゲームによる多関節システムの協調運動計画
• Abstract要約: 本稿では,多マニピュレータ動作計画のための反復線形擬似ゲームフレームワークを提案する。 我々のフレームワークは、スムーズで安全で効率的な軌道を高次元設定で生成し、従来の手法より優れている。
• 参考スコア（独自算出の注目度）: 21.845592692945047
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Multi-agent motion planning for high-degree-of-freedom robotics manipulators in shared workspaces remains a fundamental yet challenging problem. Centralized planners often suffer from poor scalability, while decentralized approaches face robustness and safety concerns. Game-theoretic formulations offer a promising approach for modeling agent interactions, potentially overcoming these limitations. However, their application to articulated multi-arm systems remains limited. This paper presents an iterative Linear Quadratic (LQ) game framework for multi-manipulator motion planning, where each manipulator is modeled as an independent agent optimizing its own objective while interacting with other agents based on shared global states and collision constraints. The method solves a series of local LQ games by linearizing the dynamics and approximating the cost around a nominal trajectory, with Riccati backward recursions yielding feedback Nash strategies. To address the challenges of articulated systems, we incorporate differentiable penalties for self-collision and inter-arm collision into the optimization pipeline, enabling coordinated, collision-aware trajectory generation. Experiments demonstrate that our framework produces smooth, safe, and efficient trajectories in high-dimensional settings, outperforming traditional methods. This highlights the effectiveness of differential game formulations for multi-robot manipulation.
• Abstract（参考訳）: 共有ワークスペースにおける高自由度ロボットマニピュレータのためのマルチエージェントモーションプランニングは、根本的かつ困難な問題である。 集中型プランナーはスケーラビリティの低下に悩まされることが多いが、分散型アプローチは堅牢性と安全性の懸念に直面している。 ゲーム理論の定式化はエージェント相互作用のモデリングに有望なアプローチを提供し、これらの制限を克服する可能性がある。 しかし、これらのマルチアームシステムへの応用は依然として限られている。 本稿では,多マニピュレータ動作計画のための反復的線形擬似ゲームフレームワークを提案する。各マニピュレータは,共有グローバル状態と衝突制約に基づいて,他のエージェントと対話しながら,その目的を最適化する独立エージェントとしてモデル化される。 この方法は、リカティの後方再帰がフィードバックナッシュ戦略をもたらすことにより、ダイナミックスを線形化し、名目軌道の周りのコストを近似することにより、一連のローカルLQゲームを解決する。 調音システムの課題に対処するため、最適化パイプラインに自己衝突と腕間衝突の異なるペナルティを組み込むことにより、協調型衝突認識軌道生成を可能にする。 実験により, 従来の手法よりもスムーズで, 安全で効率的な軌道を高次元設定で生成できることが実証された。 これは、マルチロボット操作におけるディファレンシャルゲーム定式化の有効性を強調している。

関連論文リスト

• A Forward-Inverse Dynamic Game Framework for Enhanced Multi-Agent Trajectory Planning [10.027004863448854]
  そこで本稿では, 最適性と行動前処理を適応的にバランスさせる状態依存重み付きKL正規化動的ゲームを提案する。 正規化局所ゲームの一点当たりの well-posedness を確立し、適応重み付け関数が有界な名目軌道更新の下でリプシッツ連続であることを示す。
  論文  参考訳（メタデータ） (2026-08-03T03:15:37Z)
• World Models as Adversaries: Multi-Agent Self-Play Fine-Tuning for Robust Motion Planning [60.88859946006306]
  Adversa World Modeling(英語版)は理論上基礎を成すマルチエージェント・セルフプレイ・ファインチューニングフレームワークである。 内的最小化においては、プランナーの予測世界モデルは、スパースでシーン適応的なアタック・アタック・アライアンスを学ぶロール条件の敵に変換される。 nuPlan と InterPlan のベンチマーク実験により,本手法が伝達可能な対角相互作用を生成することを示す。
  論文  参考訳（メタデータ） (2026-07-12T07:44:16Z)
• 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)
• 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)
• Steerable Adversarial Scenario Generation through Test-Time Preference Alignment [58.37104890690234]
  対立シナリオ生成は、自律運転システムの安全性評価のためのコスト効率の良いアプローチである。 textbfSteerable textbfAdversarial scenario textbfGEnerator (SAGE) という新しいフレームワークを導入する。 SAGEは、逆境とリアリズムの間のトレードオフを、再トレーニングなしできめ細かいテストタイムコントロールを可能にします。
  論文  参考訳（メタデータ） (2025-09-24T13:27:35Z)
• Discrete-Guided Diffusion for Scalable and Safe Multi-Robot Motion Planning [56.240199425429445]
  マルチロボット運動計画(MPMP)は、共有された連続作業空間で動作する複数のロボットのための軌道を生成する。 離散マルチエージェント探索(MAPF)法は,その拡張性から広く採用されているが,粗い離散化の軌道品質は高い。 本稿では、制約付き生成拡散モデルを用いた離散MAPF解法を導入することにより、2つのアプローチの限界に対処する。
  論文  参考訳（メタデータ） (2025-08-27T17:59:36Z)
• Cascaded Diffusion Models for Neural Motion Planning [36.53334347874921]
  本研究では,拡散政策を用いたグローバルな動き計画学習手法を提案する。 我々のアプローチは、グローバルな予測と局所的な洗練を統一するカスケード階層モデルを用いる。 ナビゲーションや操作を含む複数の領域における課題タスクにおいて,本手法は(5%)優れていた。
  論文  参考訳（メタデータ） (2025-05-21T06:21:50Z)
• Multi-Agent Path Finding in Continuous Spaces with Projected Diffusion Models [57.45019514036948]
  MAPF(Multi-Agent Path Finding)は、ロボット工学における基本的な問題である。 連続空間におけるMAPFの拡散モデルと制約付き最適化を統合する新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-12-23T21:27:19Z)
• An Adaptive Fuzzy Reinforcement Learning Cooperative Approach for the Autonomous Control of Flock Systems [4.961066282705832]
  この研究は、群集システムの自律制御に適応的な分散ロバスト性技術を導入している。 比較的柔軟な構造は、様々な目的を同時に狙うオンラインファジィ強化学習スキームに基づいている。 動的障害に直面した場合のレジリエンスに加えて、アルゴリズムはフィードバック信号としてエージェントの位置以上のものを必要としない。
  論文  参考訳（メタデータ） (2023-03-17T13:07:35Z)
• 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。