論文の概要: Manipulation Feasible Navigation Among Movable Obstacles with Discrete Contact Pushing
- arxiv url: http://arxiv.org/abs/2609.23312v1
- Date: Sun, 20 Sep 2026 02:59:49 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-24 16:51:44.320121
- Title: Manipulation Feasible Navigation Among Movable Obstacles with Discrete Contact Pushing
- Title（参考訳）: 離散接触押圧による移動可能な障害物間の操作可能なナビゲーション
- Abstract要約: 移動マニピュレータ用可動障害物フレームワークの階層的ナビゲーションを提案する。
大言語モデル(LLM)は補助的な操作依存を推測するために選択的に呼び出される。
本稿では,デトラル,シングル・マルチ・オブザール・リロケーション,および依存性制約のあるシナリオで実現可能なナビゲーション操作を実証する。
- 参考スコア（独自算出の注目度）: 10.977904981313214
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In environments with large movable obstacles, detour-only navigation can be inefficient or even infeasible, while obstacle interaction requires reasoning about navigation benefit, feasible placement, and executable manipulation. We present a hierarchical navigation among movable obstacles (NAMO) framework for mobile manipulators. At the high level, the planner identifies key blocking obstacles from reference paths and searches for relocation plans that jointly satisfy geometric, manipulation, and downstream navigation constraints. When direct relocation is hindered by other movable objects, a large language model (LLM) is selectively invoked to infer auxiliary manipulation dependencies, which are then verified by deterministic geometric planning. To execute the resulting relocation goals, we define discrete contact modes on the surfaces of box-shaped obstacles and select contact faces and regions online based on position and orientation errors, enabling straight, side, and corner pushing through contact switching. A recurrent reinforcement-learning policy coordinates the mobile base and manipulator to track tool center point (TCP) targets while preserving end-effector reachability during sustained pushing. Simulation and real-robot experiments demonstrate feasible navigation-manipulation in detour, single- and multi-obstacle relocation, and dependency-constrained scenarios, validating the framework for interactive navigation with large non-graspable obstacles. The open-source project is available at https://cloudytosunny.github.io/NAMO_DCPushing/.
- Abstract（参考訳）: 大きな可動障害物のある環境では、航路のみの航路は効率が悪くも実現不可能であり、障害物相互作用は航路の利点、実現可能な配置、実行可能操作に関する推論を必要とする。
移動マニピュレータ用可動障害物(NAMO)フレームワークの階層的ナビゲーションを提案する。
高いレベルでは、プランナーは参照パスからキーブロッキング障害を特定し、幾何学的、操作的、下流のナビゲーション制約を共同で満足する移動計画を探す。
直接再配置が他の可動オブジェクトによって妨げられる場合、大言語モデル(LLM)を選択的に呼び出して補助的な操作依存性を推論し、決定論的幾何計画によって検証する。
そこで, 箱形障害物の表面上の個別接触モードを定義し, 位置と方向の誤差に基づいて接触面と領域をオンラインに選択し, 接点切替による直線, 横, コーナーの押圧を可能にする。
繰り返し強化学習ポリシは、移動体ベースとマニピュレータをコーディネートし、ツールセンターポイント(TCP)の目標を追跡すると同時に、持続的なプッシュ中にエンドエフェクタリーチ性を保持する。
シミュレーションと実ロボット実験は、デトゥール、単一および複数障害物の移動、および依存性制約のあるシナリオにおいて実現可能なナビゲーション操作を実証し、大きな非重力障害を伴うインタラクティブナビゲーションのためのフレームワークを検証する。
オープンソースプロジェクトはhttps://cloudytosunny.github.io/NAMO_DCPushing/.comで公開されている。
関連論文リスト
- TONAV: Task-Oriented Navigation and Action-Velocity Chunk Learning for Articulated Object Quadrupedal Mobile Manipulation [38.40929546953415]
四足歩行の移動操作には2つの密結合機能が必要である。
本研究では,タスク指向ナビゲーションと行動速度チャンク学習を統合した統合フレームワークTONAVを提案する。
タスク指向ナビゲーションと完全なモバイル操作の両方において,TONAVがより高い成功率を達成することを示す。
論文 参考訳（メタデータ） (2026-08-23T08:41:23Z) - AutoPath: Learning Transferable Goal-Conditioned Stochastic Path Prior for Safe Navigation Without Human Demonstrations [103.61864552260316]
動的環境におけるリアルタイムナビゲーションは、限られた知覚下での衝突のない、動的に実現可能な動きを必要とする。
我々は,移動可能な目標整合経路の学習としてナビゲーションを定式化し,局所的な観測に基づいて,目標整合な局所経路上の再利用可能な分布をモデル化する。
我々は、幾何対応の極性行動多様体を用いて局所経路をパラメータ化し、安定かつ安全対応の計画のためのマルチゴール分散ロールアウトによるリスク感応性ユーティリティシェーピングを含む構造化された事前学習フレームワークを開発した。
論文 参考訳（メタデータ） (2026-07-13T16:00:41Z) - Beyond Waypoints: A Trajectory-Centric Waypointing Paradigm for Vision-Language Navigation [79.12557132788139]
VLN-CE(Vision-Language Navigation in Continuous Environments)では、エージェントが現実世界のような環境でナビゲートしながら自然言語の指示に従う必要がある。
ほとんどのVLN-CEアプローチでは、ウェイポイント予測器がウェイポイントを提案し、ナビゲータが最良のウェイポイントを選択する。
提案手法は,各候補の経路点を実行可能な軌道に配置する,トラジェクトリ・ウェイポイントという新しいパラダイムを導入する。
論文 参考訳（メタデータ） (2026-06-05T13:11:39Z) - Direct Contact-Tolerant Motion Planning With Vision Language Models [64.48049143625063]
乱雑な環境でのナビゲーションは、しばしばロボットが可動または変形可能な物体との接触を許容する必要がある。
本稿では,視覚言語モデル(VLM)を直接的視点認識とナビゲーションに統合したDCTプランナを提案する。
我々はIsaac Simと本物のカーライクなロボットにDCTを実装し、移動障害物のある散らばった環境において、DCTが堅牢で効率的なナビゲーションを実現することを実証した。
論文 参考訳（メタデータ） (2026-03-05T10:05:00Z) - To Move or Not to Move: Constraint-based Planning Enables Zero-Shot Generalization for Interactive Navigation [14.745622942938532]
家庭環境や倉庫のような現実のシナリオでは、クラッタはすべてのルートをブロックすることができる。
本稿では,移動ロボットが乱雑に移動して自身の進路を鍛える,Lifelong Interactive Navigation問題を紹介する。
アクティブな認識を伴うLLM駆動制約に基づく計画フレームワークを提案する。
論文 参考訳（メタデータ） (2026-02-23T17:10:00Z) - Learning Rock Pushability on Rough Planetary Terrain [0.0]
本研究では,移動ロボットに搭載されたロボットマニピュレータの操作機能を活用することにより,非構造環境における移動ナビゲーションの代替手法を提案する。
提案フレームワークは,外的および内的フィードバックを統合し,障害物の押し出し能力を評価し,回避ではなく再配置を容易にする。
ナビゲーション手法の目的は,月面や火星面などの自律的なインフラ開発が不可欠である環境において,複数のエージェントが長期にわたって使用するルートの効率を向上させることである。
論文 参考訳（メタデータ） (2025-05-14T22:23:30Z) - Navigating Motion Agents in Dynamic and Cluttered Environments through LLM Reasoning [69.5875073447454]
本稿では,大規模言語モデル(LLM)によって強化された動作エージェントを,動的・乱雑な環境における自律的なナビゲーションに向けて前進させる。
トレーニング不要なフレームワークは、マルチエージェント調整、クローズドループ計画、動的障害物回避を、リトレーニングや微調整なしでサポートしています。
論文 参考訳（メタデータ） (2025-03-10T13:39:09Z) - Convergence of Communications, Control, and Machine Learning for Secure
and Autonomous Vehicle Navigation [78.60496411542549]
接続された自動運転車(CAV)は、交通事故におけるヒューマンエラーを低減し、道路効率を向上し、様々なタスクを実行する。これらのメリットを享受するためには、CAVが目標とする目的地へ自律的にナビゲートする必要がある。
本稿では,通信理論,制御理論,機械学習の収束を利用して,効果的なCAVナビゲーションを実現する手法を提案する。
論文 参考訳（メタデータ） (2023-07-05T21:38:36Z) - ETPNav: Evolving Topological Planning for Vision-Language Navigation in
Continuous Environments [56.194988818341976]
視覚言語ナビゲーションは、エージェントが環境中をナビゲートするための指示に従う必要があるタスクである。
本研究では,1)環境を抽象化し,長距離航法計画を生成する能力,2)連続環境における障害物回避制御能力の2つの重要なスキルに焦点を当てたETPNavを提案する。
ETPNavは、R2R-CEとRxR-CEデータセットの先行技術よりも10%以上、20%改善されている。
論文 参考訳（メタデータ） (2023-04-06T13:07:17Z)
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。