論文の概要: CaSCo: Cascade-Aware Soft-Collision Motion Planning

• arxiv url: http://arxiv.org/abs/2609.18910v1
• Date: Wed, 16 Sep 2026 16:51:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-20 08:55:53.898287
• Title: CaSCo: Cascade-Aware Soft-Collision Motion Planning
• Title（参考訳）: CaSCo:カスケード対応ソフトコリジョン・モーションプランニング
• Abstract要約: CaSCoはカスケード対応のソフトコリジョン・モーション・プランニング・フレームワークである。 ロボットによって直接、あるいは間接的にカスケードされた衝突によって、ユニークな物体の全体的意味リスクを最小化する経路を探索する。 そこで我々は,効率的な探索のためのキャスケード・リラクサ・キャッシュ・プルーニング機構を適応的かつ一貫したグラフ探索アルゴリズムを開発した。
• 参考スコア（独自算出の注目度）: 2.969473917919491
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Conventional motion planning treats collision as a binary constraint, although contact with different objects can have drastically different consequences. A robot may safely brush against a cardboard box while even minor contact with a glass, laptop, or unstable object may be undesirable. Moreover, a direct robot--object collision can move the contacted object and trigger secondary object--object collisions, making the risk of a motion depend on the physical evolution of the scene rather than only on the robot's geometric path. We present CaSCo, a cascade-aware soft-collision motion planning framework in which a vision-language or language model assigns semantic risk to objects and a physics simulator predicts the consequences of candidate robot motions. CaSCo searches for a path that minimizes the total semantic risk of the unique objects displaced either directly by the robot or indirectly through cascaded collisions. Because collisions change the environment, we augment roadmap states with the predicted object arrangement and the set of objects whose risk has already been incurred. We develop an optimal graph-search algorithm with an admissible and consistent cascade-relaxed heuristic and caching and pruning mechanisms for efficient search. Experiments in cluttered manipulation environments evaluate semantic risk, cascade reasoning, planning efficiency, and real-robot operation.
• Abstract（参考訳）: 従来の運動計画では衝突を二項制約として扱うが、異なる物体との接触は大幅に異なる結果をもたらす可能性がある。 ロボットは段ボール箱に安全にブラシをかけることができるが、ガラスやラップトップ、不安定な物体との小さな接触も望ましくない。 さらに、直接ロボット物体衝突は、接触した物体を移動させ、二次物体衝突を引き起こすことができるため、ロボットの幾何学的経路に限らず、動きのリスクはシーンの物理的進化に依存する。 本稿では,視覚言語や言語モデルがオブジェクトに意味リスクを割り当てるカスケード対応のソフトコリジョン・モーションプランニングフレームワークCaSCoと,ロボットの動きがもたらす影響を予測する物理シミュレータを提案する。 CaSCoは、ロボットによって直接移動されたり、カスケードされた衝突によって間接的に移動された、ユニークなオブジェクトの全体的な意味的リスクを最小限に抑えるパスを探索する。 衝突が環境を変えるため、予測されたオブジェクト配置と、すでにリスクが発生しているオブジェクトのセットとのロードマップを拡大します。 そこで我々は,効率的な探索のための最適グラフ探索アルゴリズムを開発し,カスケード近似型ヒューリスティック・キャッシング・プルーニング機構を提案する。 乱雑な操作環境における実験は、セマンティックリスク、カスケード推論、計画効率、実ロボット操作を評価する。

関連論文リスト

• Collision-Aware Humanoid Whole-Body Control under Imperfect Tracking Targets [11.010074477825272]
  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。
  論文  参考訳（メタデータ） (2026-09-14T22:22:02Z)
• 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)
• HAIC: Humanoid Agile Object Interaction Control via Dynamics-Aware World Model [56.4392302336014]
  本稿では,外部状態推定を伴わない多種多様なオブジェクトダイナミクス間のロバストな相互作用のためのフレームワークであるHAICを提案する。 我々の重要な貢献は、主観的歴史のみから高次対象状態(速度、加速度)を推定するダイナミクス予測器である。 ヒューマノイドロボットの実験では、HAICはアジャイルタスクで高い成功率を達成する。
  論文  参考訳（メタデータ） (2026-02-12T09:34:35Z)
• IMPACT: Intelligent Motion Planning with Acceptable Contact Trajectories via Vision-Language Models [3.3871564496652335]
  IMPACTは、視覚言語モデルを使って環境意味論を推論する新しい動き計画フレームワークである。 3200以上のシミュレーションと200以上の実世界の実験の結果から,IMPACTは乱雑な環境下での効率的な接触リッチな動作計画を可能にすることが示唆された。
  論文  参考訳（メタデータ） (2025-03-13T07:09:00Z)
• Language-Conditioned Path Planning [68.13248140217222]
  LACO(Language-Conditioned Collision Functions)は、単一ビューイメージ、言語プロンプト、ロボット構成のみを使用して衝突関数を学習する。 LACOはロボットと環境の衝突を予測し、オブジェクトアノテーション、ポイントクラウドデータ、地平線オブジェクトメッシュを必要とせずに、柔軟な条件付きパス計画を可能にする。 シミュレーションと実世界の両方において、LACOは衝突を禁止せず、衝突の安全な物体との相互作用を可能にする複雑な、ニュアンスのある経路計画を促進することを実証している。
  論文  参考訳（メタデータ） (2023-08-31T17:56:13Z)
• 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)
• An Integrated Localisation, Motion Planning and Obstacle Avoidance Algorithm in Belief Space [1.3535770763481902]
  ノイズセンサとアクティベーションエラーは、環境の特徴を推定しながら導入されたエラーと重なり合う。 本稿では,ロボットの状態推定にこれらの不確実性を取り入れた新しい手法を提案する。 推定ロボット構成に関する衝突確率を計算する。
  論文  参考訳（メタデータ） (2021-01-27T17:47:45Z)
• DeepSym: Deep Symbol Generation and Rule Learning from Unsupervised Continuous Robot Interaction for Planning [1.3854111346209868]
  ロボットアームハンドシステムは、プッシュとスタックアクションから「ロータブル」、「インサータブル」、「ラーガー・サン」と解釈できるシンボルを学習する。 本システムは,ロボットアームハンドシステムにおいて,その動作から「回転可能」,「不可能」,「大きい」と解釈可能なシンボルを学習する物理に基づく3次元シミュレーション環境で検証する。
  論文  参考訳（メタデータ） (2020-12-04T11:26:06Z)
• Fast-reactive probabilistic motion planning for high-dimensional robots [15.082715993594121]
  p-Chekovは、プロセスノイズや観察ノイズに苦しむ高次元ロボットに安全保証を提供する高速反応型モーションプランニングシステムである。 包括的理論的および経験的分析により、p-チェコフは、実用的なロボット操作タスクにおける衝突リスクに対するユーザ特定確率制約を効果的に満たせることが示された。
  論文  参考訳（メタデータ） (2020-12-03T17:51:07Z)

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。