論文の概要: Behavior--Realization Separation for Constrained Physical Human--Robot Interaction

• arxiv url: http://arxiv.org/abs/2609.00669v1
• Date: Tue, 01 Sep 2026 03:46:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-02 16:31:36.274753
• Title: Behavior--Realization Separation for Constrained Physical Human--Robot Interaction
• Title（参考訳）: 拘束された人間-ロボットインタラクションのための行動-相対分離
• Authors: Yongyan Cao,
• Abstract要約: 本稿では, メモリレスアフィン挙動を実現するリテーディングホライズン二次プログラムを実装した。 MuJoCoのトルク制御 7-DOF Franka FR3 では、実行時が解決するごとにタスク空間のダイナミクスを凍結し、水平方向にトルクの実現性を強制する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Physical human--robot interaction software often couples desired-behavior specification with constrained realization; we treat these as separate layers. A \emph{behavior layer} supplies a desired contact-port acceleration $a_k^{\mathrm{id}}=f_θ(e_k,\dot e_k,F_{h,k})$. A \emph{realization layer} converts it into constrained robot commands and reports total desired-versus-realized acceleration error instead of hiding it in saturation. A same-objective unconstrained counterfactual separates regularization from constraint intervention, while plant data expose model error. This paper implements a receding-horizon quadratic program realizing memoryless affine behaviors. Changing the behavior modifies objective coefficients through $(C_θ,G_θ)$ while the robot-command variable and feasible set remain unchanged. A planar study instantiates impedance and admittance; the same running layer accepts an impedance--admittance--impedance reassignment without reconstruction, under its existing rate limit. On a torque-controlled 7-DOF Franka FR3 in MuJoCo, the runtime freezes task-space dynamics per solve and enforces torque feasibility across its horizon. Under a sustained 20~N push, it holds a slack-relaxed workspace boundary to within approximately 0.1--0.2~mm, versus 4.4~cm (impedance) and 4.7~cm (admittance) overshoot from instantaneous clipping. A derated actuator budget then activates the torque constraint: horizon-wide enforcement keeps its frozen-model plan feasible to $2.1\times10^{-4}$~N$\cdot$m, whereas a first-step-only ablation plans up to 11.329~N$\cdot$m beyond budget; on the executed nonlinear plant, where both share the same local-model error, the gap is smaller but still favors horizon-wide enforcement (0.161 vs.\ 0.380~N$\cdot$m). These results are a focused proof of behavior--realization separation.
• Abstract（参考訳）: 物理的人間-ロボットインタラクションソフトウェアは、しばしば所望の行動仕様と制約付き実現とを結合し、これらを別々の層として扱う。 emph{behavior layer} は所望のコンタクトポート加速度 $a_k^{\mathrm{id}}=f_θ(e_k,\dot e_k,F_{h,k})$ を提供する。 emph{realization layer} は、それを制約されたロボットコマンドに変換し、飽和時に隠すのではなく、完全に所望の逆実現加速誤差を報告する。 同目的の非制約カウンターファクトは、制約介入から正規化を分離し、プラントデータはモデルエラーを公開する。 本稿では, メモリレスアフィン挙動を実現するリテーディングホライズン二次プログラムを実装した。 動作を変更すると、目的係数は$(C_θ,G_θ)$で変更されるが、ロボットコマンド変数と実現可能なセットは変わらない。 計画的研究はインピーダンスとアクセタンスをインスタンス化し、同じランニング層は、既存のレート制限の下で、再構成なしでインピーダンス-アダプタンス-アダプタンス-アダプタンス再割り当てを受け付ける。 MuJoCoのトルク制御 7-DOF Franka FR3 では、実行時が解決するごとにタスク空間のダイナミクスを凍結し、水平方向にトルクの実現性を強制する。 持続的な20〜Nの押圧の下では、スラックラックスのワークスペース境界が0.1〜0.2〜mmの範囲内であり、対して4.4〜cm(インピーダンス)と4.7〜cm(コミット)オーバーシュートは瞬時に切断される。 水平方向の強制は、凍結モデルプランを2.1\times10^{-4}$~N$\cdot$mに維持する一方、第一段階のみのアブレーションプランは予算を超える11.329~N$\cdot$mに維持する。 0.380~N$\cdot$m)。 これらの結果は、行動-現実化分離の焦点を絞った証明である。

関連論文リスト

• SANE: State Anomaly Neutralization for Stable Extreme-Context Delta-Rule Models [53.86918766240095]
  Delta-Ruleリカレントモデルは固定サイズの状態を維持しており、$O(1)$の推論メモリが可能であるが、極端なコンテキスト外挿では不安定になる可能性がある。 我々は,チャンク内並列構造を保ちながら,チャンク境界における適応$tanh$圧縮を適用したtextbfState Anomaly Neutralization (SANE)を提案する。
  論文  参考訳（メタデータ） (2026-08-23T10:41:07Z)
• Projection-Retraction MPPI: Exact Constraint-Manifold Control for Manipulators [7.124493742815592]
  プロジェクションリトラクションMPPIは、ダイナミックス内の制約を強制する。 14-DoFデュアルアームシステム上でPR-MPPIを検証する。
  論文  参考訳（メタデータ） (2026-08-04T11:40:10Z)
• Toward Goal-Agnostic Joint-Embedding Predictive Control of Partial Differential Equations [0.0]
  共同埋め込み予測アーキテクチャ(JEPA)を中心に構築された偏微分方程式(PDE)の目標に依存しない制御フレームワークを提案する。 可利用であれば、学習された潜伏空間における生ユークリッド距離(L2$)を最小化するよりも、明確な物理的観測可能(帰納的射影率)に制御目的が適用されることが分かる。
  論文  参考訳（メタデータ） (2026-07-21T20:49:07Z)
• Constraint-Enhanced Reinforcement Learning Based on Dynamic Decoupled Spherical Radial Squashing [1.2036262042590717]
  各関節が制御ステップごとにどれだけ速く動けるかは、避けられない。 既存の方法は等方性球形の制約を課し、指数関数的に真の実現可能な集合を覆い隠す。 本稿では,ダイナミックデカップリング型球状ラジアルスクアッシング(DD-SRad)を提案する。 Unitree H1とG1のヒューマノイドロボットによる実験は、公式な共同仕様から直接パラメータ化されたエンドツーエンドの最適性を確認する。
  論文  参考訳（メタデータ） (2026-05-05T18:24:46Z)
• DexWorldModel: Causal Latent World Modeling towards Automated Learning of Embodied Tasks [54.32016216994156]
  本稿では,DINOv3特徴を生成対象として用い,視覚ノイズから相互作用意味を乱す因果潜在世界モデル(CLWM)を提案する。 メモリスケーリングを克服するため、CLWMはDual-State Test-Time Training (TTT)メモリを備えている。 EmbodiChainは、トレーニング中に物理基底軌道の無限の流れを注入することによって効率法を確立するオンラインフレームワークである。
  論文  参考訳（メタデータ） (2026-04-13T03:19:36Z)
• The Spectral Edge Thesis: A Mathematical Framework for Intra-Signal Phase Transitions in Neural Network Training [0.0]
  ニューラルネットワークトレーニングにおける位相遷移は,パラメータ更新の回転ウィンドウグラム行列のスペクトルギャップによって制御されることを示す。 adiabatic parameter $mathcalA = |G|_F / (, g2)$ control circuit stability: $mathcalA ll 1$ (plateau), $mathcalA sim 1$ (phase transition), $mathcalA gg 1$ (forgetting)
  論文  参考訳（メタデータ） (2026-03-30T20:10:22Z)
• LoRIF: Low-Rank Influence Functions for Scalable Training Data Attribution [62.830878652285406]
  トレーニングデータ属性は、モデルの予測に最も影響したトレーニング例を特定する。 LoRIFは、両方のボトルネックに対処するために、勾配の低ランク構造を利用する。 数百万のサンプルでデータセットでトレーニングされた0.1Bから70Bパラメータのモデルで、LoRIFは最大20$timesのストレージ削減とクエリ時の高速化を実現している。
  論文  参考訳（メタデータ） (2026-01-29T16:18:34Z)
• INC: An Indirect Neural Corrector for Auto-Regressive Hybrid PDE Solvers [61.84396402100827]
  本稿では,学習した補正を支配方程式に統合する間接ニューラルコレクタ(mathrmINC$)を提案する。 $mathrmINC$は、$t-1 + L$の順番でエラー増幅を減らし、$t$はタイムステップ、$L$はリプシッツ定数である。 大規模なベンチマークで$mathrmINC$をテストし、1Dカオスシステムから3D乱流まで、多くの異なる解法、神経バックボーン、テストケースをカバーした。
  論文  参考訳（メタデータ） (2025-11-16T20:14:28Z)

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。