論文の概要: A Unified Dynamic Force Guidance Framework for Performance-Optimized Kinesthetic Teaching
- arxiv url: http://arxiv.org/abs/2609.21416v1
- Date: Fri, 18 Sep 2026 07:26:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-21 18:40:16.894577
- Title: A Unified Dynamic Force Guidance Framework for Performance-Optimized Kinesthetic Teaching
- Title（参考訳）: パフォーマンス最適化型審美教育のための統一型動的力指導フレームワーク
- Abstract要約: 協調型ロボットは、頻繁に製品の変更によって特徴づけられる産業シナリオにますます展開されている。
直感的なプログラミング手法として、審美教育はロボットの迅速な展開を促進する。
本稿では,性能制約と最適化機構を統合したオンライン動的力誘導手法を提案する。
- 参考スコア（独自算出の注目度）: 9.78502653158598
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Collaborative robots are increasingly deployed in industrial scenarios characterized by frequent product changeovers. As an intuitive programming method, kinesthetic teaching facilitates rapid robot deployment. However, users may overlook the configuration of the robot during kinesthetic teaching, leading to degradation in operational performance. Operational performance refers to the capability of the robot to generate motion and can be quantified by the Minimum Singular Value of the Jacobian matrix. To address this issue, this paper proposes an online dynamic force guidance method that integrates performance constraint and optimization mechanisms. Specifically, variable admittance control maintains the operational performance of the robot above a predefined threshold, while a virtual force actively guides the user to drag the robot towards configurations with improved performance. Experiments are conducted on a 6-DOF collaborative robot, comparing three typical paths in the task space. To evaluate the quality of the taught trajectories, trajectory playback experiments are conducted to analyze the relationship between the operational performance of the robot and the work efficiency. The results demonstrate that the proposed method effectively enhances the operational performance of the robot and consequently improves the work efficiency, holding significant value for reducing production takt time in industrial deployment.
- Abstract（参考訳）: 協調型ロボットは、頻繁な製品変更を特徴とする産業シナリオにますます展開されている。
直感的なプログラミング手法として、審美教育はロボットの迅速な展開を促進する。
しかし、利用者は、審美教育中にロボットの構成を見落とし、操作性能が低下する可能性がある。
操作性能とは、ロボットが動きを生成する能力を指し、ジャコビアン行列の最小特異値によって定量化することができる。
そこで本研究では,性能制約と最適化機構を統合したオンライン動的力誘導手法を提案する。
具体的には、可変アプタンス制御は、予め定義されたしきい値以上のロボットの動作性能を維持し、仮想力は、ユーザに対して、パフォーマンスを向上して、ロボットを構成に向かってドラッグするように積極的に誘導する。
作業空間における3つの典型的な経路を比較する6-DOF協調ロボットを用いて実験を行った。
教示された軌道の質を評価するため,ロボットの動作性能と作業効率との関係を解析するための軌道再生実験を行った。
提案手法は, ロボットの作業性能を効果的に向上し, 作業効率を向上し, 産業展開において生産タケット時間を短縮する上で重要な価値を有することを示した。
関連論文リスト
- Planning Method for Skill-Based Control of Robots Using a PLC as Skill Trigger [0.0]
既存のソリューションは、動作シーケンスの最適化を無視し、実行の非効率をもたらす。
本研究は,動作シーケンス最適化を統合することで,スキルベースのロボットプログラミングを向上する計画手法を提案する。
論文 参考訳（メタデータ） (2026-02-28T09:14:25Z) - FreeAction: Training-Free Techniques for Enhanced Fidelity of Trajectory-to-Video Generation [50.39748673817223]
本稿では,ロボットビデオ生成における明示的な動作パラメータを完全に活用する2つのトレーニング不要な推論時間手法を提案する。
第一に、アクションスケールの分類器フリーガイダンスは、動作の大きさに比例して誘導強度を動的に調整し、運動強度に対する制御性を高める。
第二に、アクションスケールノイズトランケーションは、初期サンプルノイズの分布を調整し、所望の運動力学とよりよく一致させる。
論文 参考訳（メタデータ） (2025-09-29T03:30:40Z) - Action Flow Matching for Continual Robot Learning [54.10050120844738]
ロボット工学における継続的な学習は、変化する環境やタスクに常に適応できるシステムを求める。
本稿では,オンラインロボット力学モデルアライメントのためのフローマッチングを利用した生成フレームワークを提案する。
ロボットは,不整合モデルで探索するのではなく,行動自体を変換することで,より効率的に情報収集を行う。
論文 参考訳（メタデータ） (2025-04-25T16:26:15Z) - Prof. Robot: Differentiable Robot Rendering Without Static and Self-Collisions [40.15055686410145]
本稿では, ロボット衝突分類器の学習を通じて, 衝突に対する身体的意識を組み込むことにより, これまでの取り組みに新たな改善を加える。
これにより、ロボット自体と同様に、静的で非操作可能な環境との衝突を避けるアクションの最適化が可能になる。
論文 参考訳（メタデータ） (2025-03-14T10:25:54Z) - Robotic World Model: A Neural Network Simulator for Robust Policy Optimization in Robotics [50.191655141020505]
この研究は、長期水平予測、エラー蓄積、およびsim-to-real転送の課題に対処することで、モデルに基づく強化学習を前進させる。
スケーラブルでロバストなフレームワークを提供することで、現実のアプリケーションにおいて適応的で効率的なロボットシステムを実現することができる。
論文 参考訳（メタデータ） (2025-01-17T10:39:09Z) - Sample Efficient Robot Learning in Supervised Effect Prediction Tasks [0.0]
MUSEL(Model Uncertainty for Sample-Efficient Learning)は、ロボット工学における回帰タスクに適した新しいALフレームワークである。
MUSELは学習精度とサンプル効率を両立させ,情報的サンプルを選択する学習行動効果の有効性を検証した。
論文 参考訳（メタデータ） (2024-12-03T09:48:28Z) - DiffGen: Robot Demonstration Generation via Differentiable Physics Simulation, Differentiable Rendering, and Vision-Language Model [72.66465487508556]
DiffGenは、微分可能な物理シミュレーション、微分可能なレンダリング、ビジョン言語モデルを統合する新しいフレームワークである。
言語命令の埋め込みとシミュレートされた観察の埋め込みとの距離を最小化することにより、現実的なロボットデモを生成することができる。
実験によると、DiffGenを使えば、人間の努力やトレーニング時間を最小限に抑えて、ロボットデータを効率よく、効果的に生成できる。
論文 参考訳（メタデータ） (2024-05-12T15:38:17Z) - Unsupervised Learning of Effective Actions in Robotics [0.9374652839580183]
ロボット工学における現在の最先端のアクション表現は、ロボットのアクションに対する適切な効果駆動学習を欠いている。
連続運動空間の離散化と「アクションプロトタイプ」生成のための教師なしアルゴリズムを提案する。
シミュレーションされた階段登上補強学習課題について,本手法の評価を行った。
論文 参考訳（メタデータ） (2024-04-03T13:28:52Z) - Revisiting the Adversarial Robustness-Accuracy Tradeoff in Robot
Learning [121.9708998627352]
近年の研究では、現実的なロボット学習の応用において、対人訓練の効果が公平なトレードオフを起こさないことが示されている。
本研究は,ロボット学習におけるロバストネスと精度のトレードオフを再考し,最近のロバストトレーニング手法と理論の進歩により,現実のロボット応用に適した対人トレーニングが可能かどうかを解析する。
論文 参考訳（メタデータ） (2022-04-15T08:12:15Z) - Show Me What You Can Do: Capability Calibration on Reachable Workspace
for Human-Robot Collaboration [83.4081612443128]
本稿では,REMPを用いた短時間キャリブレーションにより,ロボットが到達できると考える非専門家と地道とのギャップを効果的に埋めることができることを示す。
この校正手順は,ユーザ認識の向上だけでなく,人間とロボットのコラボレーションの効率化にも寄与することを示す。
論文 参考訳（メタデータ） (2021-03-06T09:14:30Z)
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。