論文の概要: LOInK: Learned Optimal Inverse Kinematics via Structured Neural Surrogate Models

• arxiv url: http://arxiv.org/abs/2609.21275v1
• Date: Fri, 18 Sep 2026 03:41:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-21 18:40:16.845459
• Title: LOInK: Learned Optimal Inverse Kinematics via Structured Neural Surrogate Models
• Title（参考訳）: LOInK:構造化ニューラルサロゲートモデルによる最適逆運動学の学習
• Abstract要約: 本稿では,逆キネマティクス問題に対する近似最適解を生成する方法であるLearned Optimal Inverse Kinematics (LOInK)を紹介する。 LOInKは、構成空間から切り離されたタスク/遅延空間へのバイリプシッツ可逆写像を学習する。 制限された最適化アプローチよりも平均31倍、最大100倍高速で、ほぼ最適解を生成することができる。
• 参考スコア（独自算出の注目度）: 5.583126580016643
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We introduce Learned Optimal Inverse Kinematics (LOInK), a method to generate approximately optimal solutions to an inverse kinematics problem. When trained on data consisting of sampled configurations and associated task variables and a given cost function, LOInK learns a bi-Lipschitz invertible mapping from configuration space to a decoupled task/latent space, and moreover, the latent space is structured so as to place cost-minimizing solutions at the origin. This enables efficient sampling of cost-minimizing solutions via a network-inversion algorithm based on operator splitting. We demonstrate the proposed approach on three problems: an illustrative three degree-of-freedom manipulator problem; a quadrupedal climbing robot for which LOInK can generate near-optimal solutions on average 31 times faster and up to 100 times faster than a constrained optimization approach; and a simulated soft actuator as a purely data-driven example, in which LOInK can explicitly generate high-quality solutions, unlike existing generative approaches that require diverse sampling and evaluation of candidate solutions.
• Abstract（参考訳）: 本稿では,逆キネマティクス問題に対する近似最適解を生成する方法であるLearned Optimal Inverse Kinematics (LOInK)を紹介する。 サンプル構成と関連するタスク変数と所定のコスト関数からなるデータに基づいて訓練すると、LOINKは構成空間から分離されたタスク/遅延空間への双Lipschitz可逆写像を学習し、また、遅延空間はコスト最小化の解を原点に配置するように構成される。 これにより、演算子分割に基づくネットワーク反転アルゴリズムによるコスト最小化ソリューションの効率的なサンプリングが可能となる。 提案手法は,3自由度マニピュレータ問題,LOInKが最大31倍,最大100倍の速さでほぼ最適解を生成できる四足歩行ロボット,および,LOInKが多種多様なサンプリングと候補解の評価を必要とする既存の生成的手法とは異なり,純粋にデータ駆動の例であるシミュレーションソフトアクチュエータである。

関連論文リスト

• A Multi-stage Constrained Optimization Framework for Data-driven Problems [15.27508597551075]
  可変オートエンコーダ(VAE)は高次元のノイズの多いデータをコンパクトな潜在表現に変換する。 VAEベースの制約付き最適化では、3つの課題が続いている。 MCOF(Multi-stage Constrained Optimization Framework)を提案する。
  論文  参考訳（メタデータ） (2026-07-26T06:11:06Z)
• A Framework for Combining Optimization-Based and Analytic Inverse Kinematics [53.66628333687382]
  逆運動学(IK)問題の解法と最適化法はロボティクスの歴史において深く研究されている。 IK回避のための新しい定式化を提案する。
  論文  参考訳（メタデータ） (2026-02-04T22:23:32Z)
• Dynamic Location Search for Identifying Maximum Weighted Independent Sets in Complex Networks [0.47248250311484113]
  本稿では,最大重み付き独立集合(MWIS)問題を解くための,新しい,効率的なアルゴリズムを提案する。 MWIS問題のNPハード性を考えると,提案アルゴリズムであるDynLSには3つの重要なイノベーションが組み込まれている。 我々の実験結果はDynLSの優れた性能を示し、1000秒以内の高品質なソリューションを一貫して提供した。
  論文  参考訳（メタデータ） (2025-05-07T10:35:53Z)
• Tiered Acquisition for Constrained Bayesian Optimization: An Application to Analog Circuits [5.353688923855625]
  本稿では,獲得関数の結合アンサンブルを用いたベイズ最適化アルゴリズムを提案する。 この方法は、65nmの2段ミラー補償動作増幅器の利得と面積最適化に有効である。 頑健なベースラインと最先端のアルゴリズムと比較して、制約違反を最大38%削減し、目標目標を最大43%改善する。
  論文  参考訳（メタデータ） (2024-12-23T07:41:43Z)
• Learning Multiple Initial Solutions to Optimization Problems [52.9380464408756]
  厳密なランタイム制約の下で、同様の最適化問題を順次解決することは、多くのアプリケーションにとって不可欠である。 本稿では,問題インスタンスを定義するパラメータが与えられた初期解を多種多様に予測する学習を提案する。 提案手法は,すべての評価設定において有意かつ一貫した改善を実現し,必要な初期解の数に応じて効率よくスケールできることを実証した。
  論文  参考訳（メタデータ） (2024-11-04T15:17:19Z)
• DiffuSolve: Diffusion-based Solver for Non-convex Trajectory Optimization [9.28162057044835]
  最適軌道局所は非線形および高次元力学系において計算コストが高い。 本稿では,非次元オプティマ問題に対するDiffuに基づく一般モデルを提案する。 また,新たな制約付き拡散モデルであるDiff+を提案する。
  論文  参考訳（メタデータ） (2024-02-22T03:52:17Z)
• Let the Flows Tell: Solving Graph Combinatorial Optimization Problems with GFlowNets [86.43523688236077]
  組合せ最適化(CO)問題はしばしばNPハードであり、正確なアルゴリズムには及ばない。 GFlowNetsは、複合非正規化密度を逐次サンプリングする強力な機械として登場した。 本稿では,異なる問題に対してマルコフ決定プロセス(MDP)を設計し,条件付きGFlowNetを学習して解空間からサンプルを作成することを提案する。
  論文  参考訳（メタデータ） (2023-05-26T15:13:09Z)
• Robust Topology Optimization Using Multi-Fidelity Variational Autoencoders [1.0124625066746595]
  強靭なトポロジー最適化(RTO)問題は、最高の平均性能を持つ設計を特定する。 計算効率を向上するニューラルネットワーク手法を提案する。 本手法の数値解析は,Lブラケット構造のロバスト設計における単一点負荷と複数点負荷について述べる。
  論文  参考訳（メタデータ） (2021-07-19T20:40:51Z)

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。