論文の概要: Towards Kinematic Actionable Infeasibility Detection in Motion Planning
- arxiv url: http://arxiv.org/abs/2609.32806v1
- Date: Sat, 26 Sep 2026 17:27:51 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-06 20:04:10.567332
- Title: Towards Kinematic Actionable Infeasibility Detection in Motion Planning
- Title（参考訳）: 運動計画における運動力学的動作不能検出に向けて
- Abstract要約: 本稿では,構成空間トポロジの分解能に依存した明示的な解析を通じて,実現不可能性を証明するための幾何学駆動型フレームワークを提案する。
並列フロンティア拡張アルゴリズムを開発し、GPU加速度を利用して高次元空間における効率的な単純な再構成を行う。
4-DOF と 5-DOF のロボットシナリオに対するアプローチを検証し,4-DOF では秒間,5-DOF では4分以下で不実現性を証明した。
- 参考スコア（独自算出の注目度）: 0.688204255655161
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Motion planning in robotics requires not only computing collision-free paths but also certifying infeasibility when no such path exists. Complete methods are limited to low-dimensional spaces, while sampling-based planners scale efficiently but cannot provide finite-time infeasibility certificates, leaving this problem largely unresolved in high-dimensional spaces. In this letter, we present a geometry-driven framework for certifying infeasibility through an explicit resolution-dependent analysis of configuration space topology. Leveraging signed distance field representations, the proposed method traces separating manifolds induced by obstacle boundaries directly in configuration space, enabling both detection of infeasibility and identification of the specific geometric cause. To address computational challenges, we develop a parallel frontier-expansion algorithm that exploits GPU acceleration for efficient simplicial reconstruction in high-dimensional spaces. We validate the approach on 4-DOF and 5-DOF robot scenarios, certifying infeasibility within seconds for 4-DOF cases and under four minutes for 5-DOF cases. We further discuss avenues for improving scalability to higher-dimensional spaces.
- Abstract（参考訳）: ロボット工学における運動計画には、衝突のない経路の計算だけでなく、そのような経路が存在しない場合にも実現不可能を証明する必要がある。
完全な手法は低次元空間に限られるが、サンプリングベースのプランナーは効率よくスケールするが、有限時間で実現不可能な証明は得られず、この問題は高次元空間でほとんど解決されない。
本稿では,構成空間トポロジの分解能に依存した明示的な解析を通じて,実現可能性を証明するための幾何学駆動型フレームワークを提案する。
符号付き距離場表現を利用することで, 構成空間内で直接障害物境界によって誘導される多様体を分離し, 特異な幾何学的原因の検出と同定を可能にする。
計算問題に対処するために,GPUアクセラレーションを利用した並列フロンティア展開アルゴリズムを開発した。
4-DOF と 5-DOF のロボットシナリオに対するアプローチを検証し,4-DOF では秒間,5-DOF では4分以下で不実現性を証明した。
さらに,高次元空間への拡張性向上の道筋についても論じる。
関連論文リスト
- Genetic Fuzzy System-Based Multi-Robot Coordination for Planetary Missions [3.673994921516517]
本稿では,遺伝子ファジィシステムを用いたマルチロボットシステム(MRS)の分散化手法を提案する。
標高マップにより与えられる環境において、斜面に対する地形の移動性解析を行い、その寸法を小さくし、障害物とみなすことができる非移動性領域を特定する。
トレーニングされたFISモデルは、変換されたトラバーサビリティマップであるテスト環境に適用され、複数のシナリオを使用して検証される。
論文 参考訳（メタデータ） (2026-08-13T03:07:57Z) - Patch-PODiff-ViT: Structured Latent Diffusion with Patchwise POD for Super-Resolution and Uncertainty Quantification [2.075423143311858]
Patch-PODiff-ViTは、潜在空間がパッチワイドな固有直交分解(POD)によって定義される構造的潜在拡散フレームワークである。
これにより、空間構造を保存し、視覚変換器を用いて構造された低次元潜在空間における効率的な拡散を可能にする、低次元の分散順序付きトークンが得られる。
海面温度、医用画像、自然画像を通して、実験的なアンサンブルと密に一致した良好な空間的不確実性を生成しながら、少ないパラメータと低いメモリで強力な再構成を実現する。
論文 参考訳（メタデータ） (2026-06-30T08:05:53Z) - Not All Points Are Equal: Uncertainty-Aware 4D LiDAR Scene Synthesis [63.07333625429548]
我々は,空間不確実性を明確に活用し,LiDARシーン生成をガイドする新しいフレームワークであるU4Dを提案する。
nuScenesとSemantic KITTIの実験は、最先端のシーンの忠実さ、時間的一貫性、下流のパフォーマンスを示している。
論文 参考訳（メタデータ） (2026-06-01T17:24:14Z) - Fitting Unknown Number of Hyperplanes with Manifold Optimization [57.48093263119306]
未知数の線形平面をデータに適合させることは、機械学習の根本的な課題である。
既存のアプローチはしばしば最適な最適化に苦しむか、幾何的整合性に欠ける。
論文 参考訳（メタデータ） (2026-05-27T14:02:20Z) - CSSDF-Net: Safe Motion Planning Based on Neural Implicit Representations of Configuration Space Distance Field [23.48697826890044]
非構造環境における高次元マニピュレータ操作には、異なるシーンに依存しない距離問合せ機構が必要である。
CSSDF-Netは、連続署名された距離フィールドを構成空間内で直接学習し、共同空間距離と勾配クエリを提供する。
平面アームと7-DoFマニピュレータの実験は、静的および動的シーンにおける安定した勾配、効果的な衝突回避を示す。
論文 参考訳（メタデータ） (2026-03-19T09:31:41Z) - U-OBCA: Uncertainty-Aware Optimization-Based Collision Avoidance via Wasserstein Distributionally Robust Chance Constraints [20.749251189493563]
移動障害物や環境障害の軌道予測誤差から生じる不確実性は、ロボットの安全なナビゲーションに重大な課題をもたらす。
既存の不確実性を意識したプランナーは、円や楕円のような単純な幾何学的プリミティブを用いて、多角形ロボットや障害物を近似することが多い。
我々は、最適化に基づく衝突回避フレームワークを、emphU-OBCAと呼ばれる不確実性を考慮した定式化に拡張する。
U-OBCAは軌道計画における保守性を著しく軽減し,既存のベースライン法と比較して航法効率を向上することを示す。
論文 参考訳（メタデータ） (2026-03-05T07:59:09Z) - Voronoi-Assisted Diffusion for Computing Unsigned Distance Fields from Unoriented Points [59.493891955043914]
Voronoi-Assisted Diffusion (VAD) は、Unsigned Distance Fields (UDF) を計算するための軽量でネットワークフリーな方法である。
VADは水密面と開面を強く扱い、複雑な非多様体と非配向幾何学も扱う。
論文 参考訳（メタデータ） (2025-10-14T13:49:53Z) - Adaptive Dual Uncertainty Optimization: Boosting Monocular 3D Object Detection under Test-Time Shifts [80.32933059529135]
TTA(Test-Time Adaptation)メソッドが出現し、推論中にターゲット分布に適応する。
我々は、堅牢なM3ODの両不確実性を共同で最小化するために設計された、最初のTTAフレームワークであるDual Uncertainity Optimization (DUO)を提案する。
並列に,明瞭な意味的手がかりを持つ領域における幾何学的コヒーレンスを保存する意味認識型正規場制約を設計する。
論文 参考訳（メタデータ） (2025-08-28T07:09:21Z) - Learning Coverage Paths in Unknown Environments with Deep Reinforcement Learning [17.69984142788365]
被覆経路計画 (CPP) は、制限された領域の自由空間全体をカバーする経路を見つける問題である。
この課題に対する強化学習の適性について検討する。
本稿では,フロンティアに基づく計算可能なエゴセントリックマップ表現と,全変動に基づく新たな報酬項を提案する。
論文 参考訳（メタデータ） (2023-06-29T14:32:06Z) - An Accelerated Doubly Stochastic Gradient Method with Faster Explicit
Model Identification [97.28167655721766]
本稿では、分散正規化損失最小化問題に対する2倍加速勾配降下法(ADSGD)を提案する。
まず、ADSGDが線形収束率を達成でき、全体的な計算複雑性を低減できることを示す。
論文 参考訳（メタデータ） (2022-08-11T22:27:22Z) - First Steps: Latent-Space Control with Semantic Constraints for
Quadruped Locomotion [73.37945453998134]
従来の四重化制御のアプローチでは、単純化された手作りのモデルが採用されている。
これにより、有効な運動範囲が縮小されているため、ロボットの能力が大幅に低下する。
この研究において、これらの課題は、構造化潜在空間における最適化として四重化制御をフレーミングすることによって解決される。
深い生成モデルは、実現可能な関節構成の統計的表現を捉え、一方、複雑な動的および終端的制約は高レベルな意味的指標によって表現される。
実世界とシミュレーションの両方で最適化された移動軌跡の実現可能性を検証する。
論文 参考訳（メタデータ） (2020-07-03T07:04:18Z)
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。