論文の概要: PccDiffuser: Multi-solution Motion Planning for Continuum Robots
- arxiv url: http://arxiv.org/abs/2609.09745v1
- Date: Wed, 09 Sep 2026 05:41:27 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-10 19:44:08.909179
- Title: PccDiffuser: Multi-solution Motion Planning for Continuum Robots
- Title（参考訳）: PccDiffuser:連続ロボットの多解運動計画
- Abstract要約: PccDiffuserは連続ロボットのための条件付き拡散フレームワークである。
完全な構成空間パス上のマルチモーダル分布を学習し、複数の候補解を並列にサンプリングする。
アクチュエータ制約を考慮した時間割当により実行可能な軌道に変換する。
- 参考スコア（独自算出の注目度）: 24.360111540705002
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present the PccDiffuser, a conditional diffusion framework for continuum robots that learns a multimodal distribution over complete configuration-space paths and samples multiple candidate solutions in parallel, which are subsequently converted into an executable trajectory by time allocation considering actuator constraints. Under the piecewise constant-curvature model, we use exponential co-ordinates to describe the robot kinematics, and use graph neural network to encode a variable number of environment obstacles. Analytical differential kinematics is incorporated in the denoising process to improve terminal accuracy and whole-body clearance. On a mixed test set comprising workspace with zero to four obstacles, PccDiffuser achieved a success rate of 91\%. Compared with existing sampling- and optimisation-based benchmarks, it delivered both a higher success rate and greater computational efficiency, with the latter advantage becoming more substantial when sampling more candidate solutions. Experiments on a three-section tendon-driven continuum robot further demonstrate consecutive planning, multi-solution planning, and whole-body obstacle avoidance.
- Abstract（参考訳）: PccDiffuserは、連続ロボットのための条件拡散フレームワークで、完全な構成空間の経路上でマルチモーダル分布を学習し、複数の候補解を並列にサンプリングし、アクチュエータ制約を考慮した時間割当により実行可能軌道に変換する。
定数曲率モデルでは,指数コーディネートを用いてロボットキネマティクスを記述し,グラフニューラルネットワークを用いて様々な環境障害を符号化する。
分析微分キネマティクスは、終端精度と全体クリアランスを改善するために、デノナイジングプロセスに組み込まれている。
ゼロから4つの障害を持つワークスペースからなる混合テストセットにおいて、PccDiffuserは91\%の成功率を達成した。
既存のサンプリングおよび最適化ベースのベンチマークと比較すると、より高い成功率と高い計算効率が提供され、後者の利点はより多くの候補解をサンプリングするときにより実質的になる。
3節の腱駆動型連続ロボットの実験は、さらに連続計画、複数解法計画、全体障害物回避を実証する。
関連論文リスト
- Stochastic Multiple Shooting Trajectory Optimization via Sequential Local Policy Evaluation [0.0]
本稿では,局所的なフィードバックポリシを介して接続された短い制御動作シーケンスを最適化し,サンプル効率と端末セットへの収束性を改善する多重撮影法を提案する。
我々は,システムヤコビアンをロールアウトから純粋に合成できることを示し,ブラックボックス力学を用いたモデルベース強化学習に適した方法を提案する。
論文 参考訳（メタデータ） (2026-08-04T17:43:21Z) - Distributed Model-Based Diffusion For Scalable Multi-Robot Trajectory Optimization [14.429253416107167]
本稿では,逆拡散過程をローカル条件逆拡散過程に分解する分散サーバロボットフレームワークを提案する。
この分解により、各ロボットは、目標によって集約された他のロボットを推定する現在の軌跡に基づいて、自身の制御部分空間条件内で独立して反復的に復調を行うことができる。
論文 参考訳（メタデータ） (2026-07-23T07:16:59Z) - Multi-scale Coarse-to-fine Modeling for Test-time Human Motion Control [51.92884966472683]
MSCoTは、テストタイムの人間のモーション合成と制御のための、マルチスケールで粗い粒度モデルである。
MSCoTは動きを多スケールの階層表現に識別し、各時間スケールでトークンシーケンス全体を予測する。
論文 参考訳（メタデータ） (2026-05-14T15:09:49Z) - Ada3Drift: Adaptive Training-Time Drifting for One-Step 3D Visuomotor Robotic Manipulation [53.750389076941396]
拡散に基づくビジュモータポリシーは反復的認知を通じて多モーダルな動作分布をキャプチャするが、その高い推論遅延はリアルタイムロボット制御を制限する。
Ada3Driftは,専門家のデモモードに対して予測された行動を引き付ける訓練時間ドリフト場を学習する。
Ada3Driftは、拡散ベースの代替よりも10倍の関数評価を必要としながら、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） (2026-03-12T14:36:53Z) - Scalable Multi-Robot Path Planning via Quadratic Unconstrained Binary Optimization [0.0]
マルチエージェントパスファインディング(MAPF)はロボティクスの基本的な課題である。
本稿では,複数ロボット経路計画のための構造的・スケーラブルな代替手段として,擬似非拘束バイナリ最適化(QUBO)について検討する。
論文 参考訳（メタデータ） (2026-02-16T14:50:04Z) - Ctrl-VI: Controllable Video Synthesis via Variational Inference [62.79016502243712]
Ctrl-VIは、特定の要素に対して高い制御性を持つサンプルを生成するビデオ合成法である。
本手法は, 従来よりも制御性, 多様性, 3次元の整合性を向上したサンプルを生成する。
論文 参考訳（メタデータ） (2025-10-09T01:48:16Z) - 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) - Simultaneous Multi-Robot Motion Planning with Projected Diffusion Models [57.45019514036948]
MRMP拡散(MRMP Diffusion, SMD)は, 制約付き最適化を拡散サンプリングプロセスに統合し, 衝突のない, キネマティックに実現可能な軌道を生成する新しい手法である。
本稿では, ロボット密度, 障害物の複雑度, 動作制約の異なるシナリオ間の軌道計画アルゴリズムを評価するための総合的MRMPベンチマークを提案する。
論文 参考訳（メタデータ） (2025-02-05T20:51:28Z) - MultiPDENet: PDE-embedded Learning with Multi-time-stepping for Accelerated Flow Simulation [48.41289705783405]
マルチスケールタイムステップ(MultiPDENet)を用いたPDE組み込みネットワークを提案する。
特に,有限差分構造に基づく畳み込みフィルタを少数のパラメータで設計し,最適化する。
4階ランゲ・クッタ積分器を微細な時間スケールで備えた物理ブロックが確立され、PDEの構造を埋め込んで予測を導出する。
論文 参考訳（メタデータ） (2025-01-27T12:15:51Z) - 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)
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。