論文の概要: Collision-Aware Humanoid Whole-Body Control under Imperfect Tracking Targets

• arxiv url: http://arxiv.org/abs/2609.16405v1
• Date: Mon, 14 Sep 2026 22:22:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-16 14:56:08.255538
• Title: Collision-Aware Humanoid Whole-Body Control under Imperfect Tracking Targets
• Title（参考訳）: 不完全な追跡対象下での衝突認識型ヒューマノイド全体制御
• Abstract要約: 全体コントローラ(WBC)は、バランスと安定性を維持しながら目標を追跡するコマンドを実行する。 ほとんどのWBCはシーン幾何学に盲目であり、知覚、計画、遠隔操作の誤りによる衝突につながる可能性がある。 本稿では,視覚障害者を包むレイヤであるRECALを提案する。
• 参考スコア（独自算出の注目度）: 11.010074477825272
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Humanoid robots often execute motion commands through whole-body controllers (WBCs) that track targets while maintaining balance and stability. However, most WBCs are blind to scene geometry, which can lead to collisions from imperfect target motions that are geometrically unsafe due to perception, planning, or teleoperation errors. We propose RECAL, a Robot--Environment Cross-Attention Layer that wraps a blind WBC to trade off target tracking against collision avoidance using external scene geometry. RECAL supports collision-aware tracking of floating-base and end-effector commands, including collision avoidance for held objects. It represents the robot, held objects, and environment as point clouds, using cross-attention between robot/object points and the environment to produce geometry-aware control features. In simulation, RECAL improves collision avoidance while preserving target-tracking performance across frozen-arm and adaptive-arm locomotion, object-carrying, and standing-manipulation scenarios relative to alternative geometry-aware WBC architectures. We further demonstrate the controller on a real Digit V3 humanoid robot.
• Abstract（参考訳）: ヒューマノイドロボットは、バランスと安定性を維持しながら目標を追跡する全身制御装置(WBC)を介して動作コマンドを実行することが多い。 しかしながら、ほとんどのWBCはシーン幾何学に盲目であり、知覚、計画、遠隔操作の誤りにより幾何学的に安全でない不完全な目標運動からの衝突につながる可能性がある。 本稿では,視覚障害者を包むロボット環境横断型層RECALを提案する。 RECALはフローティングベースとエンドエフェクタコマンドの衝突認識トラッキングをサポートし、保持されたオブジェクトの衝突回避もサポートしている。 それは、ロボット、保持されたオブジェクト、環境を点雲として表現し、ロボット/オブジェクトポイントと環境の間のクロスアテンションを使用して、幾何学的認識制御機能を生成する。 シミュレーションでは、RECALは、代替幾何学を意識したWBCアーキテクチャと比較して、凍結アームと適応アームの移動、オブジェクトキャリー、および立位操作シナリオを横断する目標追跡性能を維持しながら衝突回避を改善する。 さらに、実際のDigit V3ヒューマノイドロボットのコントローラーを実演する。

関連論文リスト

• GigaBrain-WBC-0.5: A Behavior World Model for Robust Whole-Body Control with Environment Interaction [68.67772166423812]
  ヒューマノイド全身制御のための行動世界モデル(BWM)であるGigaBrain-WBC-0.5を提案する。 純粋にリアクティブなトラッカーではなく、因果トランスフォーマーをトレーニングして、次のアクション、次の状態、次の潜伏動作コマンドに対する分布を共同で予測します。 自動地形アノテーションパイプラインは、再ターゲティングされた動きから完全な3D接触形状を復元し、既存の動きデータセットのスケールでの地形アノテートを可能にする。
  論文  参考訳（メタデータ） (2026-08-18T18:21:36Z)
• DemoBridge: A Simulation-in-the-Loop Toolkit for Single-View Human Demonstration Retargeting [49.70827726228219]
  このツールキットは、人間の手による実演のシングルビューRGBステレオ記録を、物理で検証可能なロボットアーム軌道に変換する。 DemoBridgeの中核は、衝突を意識した単一のプランナーである。 物理シミュレーターはループ内で動作し、生成した各フェーズを検証し、障害時にバックトラックするので、与えられたように再生できないデモは破棄されるのではなく、再計画される。
  論文  参考訳（メタデータ） (2026-07-10T15:31:04Z)
• SplatCtrl: Perception-Action Coupling via Gaussian Scene Representations and Reactive Robot Control [14.952269223197751]
  本稿では,リアルタイムシーン再構成とリアクティブロボットモーション生成のための統合フレームワークであるSplatCtrlを提案する。 3次元ガウススプラッティング(3D-GS)を基盤として,ハイブリッドなボクセルフィルタと動的ガウス転位戦略を導入する。 安全かつ反応性の高い制御のために,等方的ガウス関数から連続符号付き距離関数を導出する手法を提案する。
  論文  参考訳（メタデータ） (2026-07-09T21:18:39Z)
• Probing Collision Grounding in Vision-Language Models for Safe Human-Robot Collaboration [19.192199380267393]
  視覚言語モデル(VLM)における衝突基盤の評価のためのベンチマークであるTouchSafeBenchを紹介する。 TouchSafeBenchには、ソーシャルナビゲーションとソーシャルアレンジメントの2,940のシミュレーション屋内共催エピソードが含まれている。 本研究では,現在の安全状態を分類し,接触前の緊急衝突を警告する2つの配置タスクについて検討する。
  論文  参考訳（メタデータ） (2026-05-29T12:04:38Z)
• Simulation-Informed Diffusion for Decentralized Multi-robot Motion Planning [56.240199425429445]
  マルチロボットモーションプランニングでは、各ロボットが局所的な観測から衝突のない軌道を生成する必要がある。 既存のほとんどのプランナは、ローカル観測の静的スナップショットからトラジェクトリを生成する。 本稿では,制約対応拡散モデルに基づく分散フレームワークであるSimulation-Informed Diffusion (SID)を紹介する。
  論文  参考訳（メタデータ） (2026-05-26T21:17:53Z)
• Sliding Mode Control for Safe Trajectory Tracking with Moving Obstacles Avoidance: Experimental Validation on Planar Robots [1.7044368816068716]
  本稿では,ロバストな軌道追跡と移動障害物回避のための統合制御フレームワークを提案する。 提案アーキテクチャは,衝突回避制約を厳格に実施しつつ,外乱の有無の追跡を保証している。 このアプローチの有効性と汎用性は、数値シミュレーションと広範囲な実世界の実験によって検証される。
  論文  参考訳（メタデータ） (2026-04-27T14:20:10Z)
• Safe Human-to-Humanoid Motion Imitation Using Control Barrier Functions [3.6775347543802686]
  本稿では、人間型ロボットが衝突を避けながら人間の動きを模倣できる視覚ベースの枠組みを提案する。 安全は、自己衝突と人間とロボットの衝突の両方を防ぐための指令によって強制される。 シミュレーションの結果,実時間衝突認識動作模倣のためのフレームワークの有効性が検証された。
  論文  参考訳（メタデータ） (2026-04-13T13:28:15Z)
• RGB-Only Reconstruction of Tabletop Scenes for Collision-Free Manipulator Control [71.51781695764872]
  世界のRGBビューのみを用いたロボットマニピュレータの無衝突制御システムを提案する。 テーブルトップシーンの知覚入力は、ロボットエンドエフェクタにハンドヘルドまたは装着されたRGBカメラの複数の画像によって提供される。 シーンの3次元形状を再構成するために、NeRFのようなプロセスが使用され、そこからユークリッド完全符号距離関数(ESDF)が計算される。 次に、モデル予測制御アルゴリズムを用いてマニピュレータを制御し、ESDFの障害物を避けながら所望のポーズに達する。
  論文  参考訳（メタデータ） (2022-10-21T01:45:08Z)
• COPILOT: Human-Environment Collision Prediction and Localization from Egocentric Videos [62.34712951567793]
  エゴセントリックな観測から人間と環境の衝突を予測する能力は、VR、AR、ウェアラブルアシストロボットなどのアプリケーションにおける衝突回避を可能にするために不可欠である。 本稿では、ボディマウントカメラから撮影した多視点エゴセントリックビデオから、多様な環境における衝突を予測するという課題を紹介する。 衝突予測と局所化を同時に行うために,COPILOTと呼ばれるトランスフォーマーモデルを提案する。
  論文  参考訳（メタデータ） (2022-10-04T17:49:23Z)
• Nonprehensile Riemannian Motion Predictive Control [57.295751294224765]
  本稿では,リアル・ツー・シムの報酬分析手法を導入し,リアルなロボット・プラットフォームに対する行動の可能性を確実に予測する。 連続的なアクション空間でオブジェクトを反応的にプッシュするクローズドループコントローラを作成します。 我々は,RMPCが乱雑な環境だけでなく,乱雑な環境においても頑健であり,ベースラインよりも優れていることを観察した。
  論文  参考訳（メタデータ） (2021-11-15T18:50:04Z)

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。