論文の概要: Aerial GRIPPER: A Gradient-based Real-time Inverse-game Predictor and Planner
- arxiv url: http://arxiv.org/abs/2609.34594v1
- Date: Mon, 28 Sep 2026 08:30:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-03 12:05:02.503626
- Title: Aerial GRIPPER: A Gradient-based Real-time Inverse-game Predictor and Planner
- Title（参考訳）: Aerial GRIPPER: グラディエントベースのリアルタイム逆ゲーム予測とプランナー
- Abstract要約: 不完全な情報の下で、一般サム追従回避ゲームとして定式化される。
不確実なペイロードとグリップの作動の障害を克服するために、反ゆらぎ制御装置が開発された。
非協調的な目標を捕捉し、提供するタスクは達成され、フレームワークの堅牢性、適応性、リアルタイムのパフォーマンスが強調される。
- 参考スコア（独自算出の注目度）: 11.337342835694024
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Accurate capture of non-cooperative targets is critical. In an attempt to tackle this intractable challenge, an aerial gripper system integrated with a Gradient-based Real-time Inverse-game Predictor and PlannER (GRIPPER) framework is proposed. The interaction is formulated as a general-sum pursuit-evasion game under incomplete information. Specifically, underlying cost parameters of the target are inferred online, and the open-loop Nash equilibrium (OLNE) strategy is iteratively refined within a receding-horizon loop. To ensure high-frequency execution, a computationally friendly gradient-based inverse-game solver is developed. Without explicit computation of the Hessian inverse, the optimized solution is updated (> 50 Hz) based on implicit differentiation and fast Hessian-vector products. Meanwhile, an anti-disturbance controller is developed to overcome disturbances of uncertain payload and gripper actuation, enabling precise tracking of the planned trajectory and accurate grasping of the target. Simulations and real-world experiments illustrate the superior computational efficiency and task performance of GRIPPER. The task of capturing and delivering a non-cooperative target is accomplished, highlighting the robustness, adaptability, and real-time performance of the framework in highly adversarial scenarios.
- Abstract（参考訳）: 非協力的標的の正確な捕獲が重要である。
この難解な課題に対処するために、グラディエントベースのリアルタイム逆ゲーム予測器とPlanner(GRIPPER)フレームワークを統合した空中グリップシステムを提案する。
この相互作用は、不完全な情報の下で汎用的な追従回避ゲームとして定式化される。
具体的には、ターゲットの基本的なコストパラメータをオンラインで推測し、オープンループナッシュ均衡(OLNE)戦略を後退水平ループ内で反復的に洗練する。
高速な実行を保証するため、計算に親しみやすい勾配型逆ゲームソルバを開発した。
ヘッセン逆数の明示的な計算がなければ、最適化された解は暗黙の微分と高速なヘッセンベクトル積に基づいて (> 50 Hz) 更新される。
一方、不確実なペイロードやグリップ動作の障害を克服し、計画された軌道の正確な追跡と目標の正確な把握を可能にする。
シミュレーションと実世界の実験は、GRIPPERの優れた計算効率とタスク性能を示している。
非協力的な目標を捕捉し、提供するタスクは達成され、高い敵のシナリオでフレームワークの堅牢性、適応性、およびリアルタイムのパフォーマンスを強調します。
関連論文リスト
- Nonlinear Model Predictive Control via Sequential Convex Programming for Drone-to-Drone Docking [0.0]
本研究は, ドッキングタスクを外乱状態が拡張された低次非線形モデルに基づいて, 有限水平最適制御問題として定式化する。
その結果, 動的に実現可能なドッキング軌道を生成するために, 後退水平フレームワーク内での逐次凸プログラミングを用いて問題を解く。
論文 参考訳（メタデータ） (2026-08-11T06:27:45Z) - GASP: GPU-Accelerated Safe Planner for Real-Time Collision-Aware Motion Generation with Latent Trajectory Sampling [1.2669530824264628]
GASPは、既知の環境でのリアルタイムで衝突対応の宇宙空間運動生成のためのGPUアクセラレーションセーフプランナである。
GASPは、クランプされたB-スプライン軌道パラメータ化と、自由内部制御点を予測する畳み込み残差ニューラルネットワークを組み合わせる。
我々は、GASPをオンラインモーションジェネレーションモジュールとして検証し、衝突認識能力の高い解析レベルの成功率を達成する。
論文 参考訳（メタデータ） (2026-08-05T09:18:16Z) - World Action Models in Real Time: An Empirical Study of Smooth Execution via Asynchronous Deployment [0.0]
本研究では,モデル推論とアクション実行の重なり合う戦略について検討し,応答性とスムーズな制御を実現する。
同期実行、純粋な非同期スイッチング、ポストホック動作ブレンディング、デノイング時間ブレンディング、推論時速度誘導、プレフィックス条件付き生成を含む6つの戦略を比較した。
論文 参考訳（メタデータ） (2026-08-03T08:24:36Z) - World Models as Adversaries: Multi-Agent Self-Play Fine-Tuning for Robust Motion Planning [60.88859946006306]
Adversa World Modeling(英語版)は理論上基礎を成すマルチエージェント・セルフプレイ・ファインチューニングフレームワークである。
内的最小化においては、プランナーの予測世界モデルは、スパースでシーン適応的なアタック・アタック・アライアンスを学ぶロール条件の敵に変換される。
nuPlan と InterPlan のベンチマーク実験により,本手法が伝達可能な対角相互作用を生成することを示す。
論文 参考訳（メタデータ） (2026-07-12T07:44:16Z) - Generative Control as Optimization: Time Unconditional Flow Matching for Adaptive and Robust Robotic Control [33.03635235189535]
動作合成を反復的最適化に変換する時間非条件フレームワークGeCOについて紹介する。
テスト時間推論は、単純な状態に対して収束開始早期に基づいて計算を割り当てる適応的なプロセスとなり、難しい状態に対してはより長く精製する。
我々は,GeCOを標準シミュレーションベンチマークで検証し,pi0シリーズのVision-Language-Action(VLA)モデルにシームレスなスケーリングを示す。
論文 参考訳（メタデータ） (2026-03-18T15:27:17Z) - Unbiased Gradient Estimation for Event Binning via Functional Backpropagation [64.88399635309918]
バックプロパゲーション中に弱微分を合成することにより任意の双対関数の非バイアス勾配推定のための新しいフレームワークを提案する。
自己監督型光流ではECEが9.4%,SLAMでは5.1%低下し,事象に基づく視覚知覚において大きなメリットが示された。
論文 参考訳（メタデータ） (2026-02-13T04:05:03Z) - ARTIS: Agentic Risk-Aware Test-Time Scaling via Iterative Simulation [72.78362530982109]
ARTIS(Agenic Risk-Aware Test-Time Scaling via Iterative Simulation)は、コミットメントから探索を分離するフレームワークである。
LLMをベースとした簡易シミュレータは, 希少かつ高インパクトな障害モードの捕捉に苦慮していることを示す。
本稿では,障害発生行動の忠実度を強調するリスク認識ツールシミュレータを提案する。
論文 参考訳（メタデータ） (2026-02-02T06:33:22Z) - Autonomous Vehicle Path Planning by Searching With Differentiable Simulation [55.46735086899153]
計画では、エージェントが現実世界で実行する前に、アクションを安全に洗練することができる。
自動運転では、衝突を避け、複雑な密集した交通シナリオをナビゲートすることが不可欠である。
本稿では、微分可能シミュレータWaymaxを次の状態予測と批判の両方として活用するフレームワークである、微分可能探索シミュレーション(DSS)を提案する。
論文 参考訳（メタデータ） (2025-11-14T07:56:34Z) - NoTVLA: Narrowing of Dense Action Trajectories for Generalizable Robot Manipulation [54.87964060934928]
VLA(Vision-Language-Action)モデルは、現実の展開において重要な障壁に直面している。
本稿では,軌道の狭小化に焦点を絞った新しい手法として,軌道の狭小化(Narrowing of Trajectory)VLAフレームワークを提案する。
NoTVLAは2つのクリティカルな制約の下で動作しながら、pi0よりも優れたパフォーマンスと一般化を実現している。
論文 参考訳（メタデータ） (2025-10-04T18:26:55Z) - AQD: Towards Accurate Fully-Quantized Object Detection [94.06347866374927]
本稿では,浮動小数点演算を除去するために,AQDと呼ばれる高精度な量子化オブジェクト検出ソリューションを提案する。
我々のAQDは、非常に低ビットのスキームの下での完全精度と比較して、同等またはそれ以上の性能を実現しています。
論文 参考訳（メタデータ） (2020-07-14T09:07:29Z) - Reinforcement Meta-Learning for Interception of Maneuvering
Exoatmospheric Targets with Parasitic Attitude Loop [1.7663909228482466]
我々は強化メタラーニング(Reinforcement Meta-Learning)を用いて、運動目標の対空干渉に適した適応型統合誘導、ナビゲーション、制御システムを最適化する。
このシステムは、ストラップダウン・シーカー角と速度ジャイロによる観測を、スラスタのオンオフコマンドに直接マッピングする。
最適化されたポリシーは、探索角度測定ラグ、スラスタ制御ラグ、スケールファクタエラーによる寄生姿勢ループ、角度および回転速度測定におけるガウスノイズなどの寄生効果に適応できることを実証した。
論文 参考訳（メタデータ） (2020-04-18T21:20:59Z)
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。