論文の概要: ReVAMP: Vector-Accelerated Motion Planning for Kinematically-Constrained Systems via Reparameterization
- arxiv url: http://arxiv.org/abs/2609.30213v1
- Date: Thu, 24 Sep 2026 17:45:26 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-25 21:10:10.178538
- Title: ReVAMP: Vector-Accelerated Motion Planning for Kinematically-Constrained Systems via Reparameterization
- Title（参考訳）: ReVAMP:リパラメータ化による運動量制限系のベクトル加速度運動計画
- Abstract要約: パラメータ化されたプランナは射影型アプローチのベクトル加速実装よりも高速であることを示す。
複雑な制約を持つ高次元システムにおいて,プランナはマイクロ秒からミリ秒のプランを合成でき,現在の最先端システムよりも最大10倍高速であることを示す。
- 参考スコア（独自算出の注目度）: 1.5484595752241122
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Robots often must satisfy one or more constraints during motion planning for real-world tasks. When such constraints reduce the valid configuration space to a measure-zero subset, sampling based planning algorithms require modifications to draw feasible samples. For many common end-effector constraints, parameterizations built on inverse kinematics (IK) provide an alternate formulation where the constraints are satisfied by construction, allowing directly sampling the feasible set. Despite their elegant approach, parameterized planners have remained slower than vector-accelerated implementations of projection-based approaches, leaving their performance ceiling an open question. We explore a new axis of vectorization built upon reparameterizing the planning space through analytic IK. This approach addresses existing inefficiencies in vectorized projection-based planners and exposes new opportunities for parallelism within the planner. We show that the planner can synthesize plans in microseconds to milliseconds for high dimensional systems (up to 20 dimensions), with complex constraints, up to 10x faster than the current state-of-the-art. Furthermore, we demonstrate how such planning speeds open up avenues for restructuring sequential manipulation pipelines.
- Abstract（参考訳）: ロボットはしばしば、現実世界のタスクの動作計画中に1つ以上の制約を満たす必要がある。
このような制約が有効な構成空間を測度ゼロの部分集合に還元する場合、サンプリングベースの計画アルゴリズムは、実行可能なサンプルを描画するために修正を必要とする。
多くの共通エンドエフェクタ制約に対して、逆キネマティクス(IK)上に構築されたパラメータ化は、制約が構成によって満たされるような代替の定式化を提供し、実現可能な集合を直接サンプリングすることができる。
そのエレガントなアプローチにもかかわらず、パラメータ化されたプランナーはプロジェクションベースのアプローチのベクトル加速実装よりも遅く、パフォーマンスの天井はオープンな問題のままである。
解析IKによる計画空間の再パラメータ化に基づくベクトル化の新しい軸について検討する。
このアプローチはベクトル化されたプロジェクションベースのプランナーの既存の非効率性に対処し、プランナー内での並列化の新しい機会を公開する。
設計者は高次元システム(最大20次元)のマイクロ秒からミリ秒のプランを複雑な制約で合成でき、現在の最先端システムよりも最大10倍高速であることを示す。
さらに、このような計画速度が、逐次的な操作パイプラインを再構築するための経路をいかに開くかを示す。
関連論文リスト
- Navigating the Clutter: Waypoint-Based Bi-Level Planning for Multi-Robot Systems [54.887871365121775]
乱雑な環境におけるマルチロボット制御は、複雑な物理的制約を伴う難しい問題である。
タスクとモーションプランニングを協調的に最適化するハイブリッドマルチロボット制御フレームワークを提案する。
我々のアプローチは、動作に依存しないベースラインとVLAベースのベースラインよりもタスクの成功を継続的に改善する。
論文 参考訳（メタデータ） (2026-04-22T22:58:47Z) - Vectorizing Projection in Manifold-Constrained Motion Planning for Real-Time Whole-Body Control [2.940492773889387]
本稿では, 並列化レンズによる投影に基づく制約満足度を再考する, CPU SIMD 加速多様体制約運動プランナを提案する。
提案手法は,最先端技術に対する最大100～1000倍の高速化を実現し,リアルタイムな制約付き動作計画が実現可能となった。
論文 参考訳（メタデータ） (2026-04-14T22:00:53Z) - Connectivity-Aware Representations for Constrained Motion Planning via Multi-Scale Contrastive Learning [6.0393663164774125]
制約された動き計画の目的は、タスク固有の制約を満たしながら開始とゴールの設定を接続することである。
本稿では,これらの課題に対して,計画前に開始と目標の設定を選択するための接続性を考慮した表現を学習することによって解決する。
論文 参考訳（メタデータ） (2026-03-26T10:44:21Z) - Ultrafast Sampling-based Kinodynamic Planning via Differential Flatness [15.37007491684187]
AkinoPDFは、多種多様なフラットなロボットシステムのための高速並列サンプリングに基づくキノダイナミックモーションプランニング技術である。
我々の手法は高速で正確で、どのサンプリングベースモーションプランナーとも互換性がある。
論文 参考訳（メタデータ） (2026-03-17T01:53:10Z) - Fast Motion Planning for Non-Holonomic Mobile Robots via a Rectangular Corridor Representation of Structured Environments [43.11194204846493]
非ホロノミックな自律移動ロボットの高速動作計画のための完全なフレームワークを提案する。
提案手法では,重なり合う矩形廊下のコンパクトグラフを生成する決定論的自由空間分解を導入する。
このフレームワークは、長方形の列を見つけて、最適に近い運動可能な軌道を生成することで、オンラインのモーションプランニングを行う。
論文 参考訳（メタデータ） (2026-02-10T12:18:14Z) - Variable Time-Step MPC for Agile Multi-Rotor UAV Interception of Dynamic Targets [6.0967385124149756]
既存の非線形モデル予測制御手法を使用したアジャイルプランニングは、ますます需要が高まるにつれて計画手順の数によって制限される。
本稿では,変動時間ステップを導入し,予測水平長と組み合わせることで,これらの制約に対処することを提案する。
簡易な点質量運動プリミティブは、四重項力学の微分平坦性と、平坦な出力空間における可能な軌道の軌道生成を利用するために用いられる。
論文 参考訳（メタデータ） (2025-03-18T11:59:24Z) - Unified Task and Motion Planning using Object-centric Abstractions of
Motion Constraints [56.283944756315066]
本稿では,タスクとモーションプランニングを一つの検索に統一するTAMP手法を提案する。
我々のアプローチは、オフザシェルフAIサーチの計算効率を活用して、物理的に実現可能な計画が得られるような、オブジェクト中心の動作制約の抽象化に基づいている。
論文 参考訳（メタデータ） (2023-12-29T14:00:20Z) - DiMSam: Diffusion Models as Samplers for Task and Motion Planning under Partial Observability [58.75803543245372]
タスク・アンド・モーション・プランニング(TAMP)アプローチは多段階自律ロボット操作の計画に適している。
本稿では,TAMPシステムを用いた拡散モデルの構築により,これらの制限を克服することを提案する。
古典的TAMP, 生成モデリング, 潜伏埋め込みの組み合わせによって, 多段階制約に基づく推論が可能となることを示す。
論文 参考訳（メタデータ） (2023-06-22T20:40:24Z) - Simultaneous Contact-Rich Grasping and Locomotion via Distributed
Optimization Enabling Free-Climbing for Multi-Limbed Robots [60.06216976204385]
移動, 把握, 接触問題を同時に解くための効率的な運動計画フレームワークを提案する。
ハードウェア実験において提案手法を実証し, より短い計画時間で, 傾斜角45degで自由クライミングを含む様々な動作を実現できることを示す。
論文 参考訳（メタデータ） (2022-07-04T13:52:10Z) - Goal Kernel Planning: Linearly-Solvable Non-Markovian Policies for Logical Tasks with Goal-Conditioned Options [54.40780660868349]
我々はLinearly-Solvable Goal Kernel Dynamic Programming (LS-GKDP)と呼ばれる合成フレームワークを導入する。
LS-GKDPは、Linearly-Solvable Markov Decision Process (LMDP)形式とOptions Framework of Reinforcement Learningを組み合わせたものである。
本稿では,目標カーネルを持つLMDPが,タスク接地によって定義された低次元部分空間におけるメタポリティシの効率的な最適化を実現する方法を示す。
論文 参考訳（メタデータ） (2020-07-06T05:13:20Z)
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。