論文の概要: Scale-Invariant Manipulability Shape Tracking Across Heterogeneous Manipulators
- arxiv url: http://arxiv.org/abs/2609.36784v1
- Date: Tue, 29 Sep 2026 05:56:41 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-30 21:28:47.223545
- Title: Scale-Invariant Manipulability Shape Tracking Across Heterogeneous Manipulators
- Title（参考訳）: 不均一マニピュレータ間のスケール不変マニピュラ形状追跡
- Abstract要約: スケール不変なマニピュラの形状追跡法を提案する。
提案手法は,9.30×10-5の終端形状距離をスケールチューニングなしで達成する。
同時に作業を行う人間に対して, 提案手法は, 全4ロボットの目標となるXに沿って, 二重力の伸長形状を出力する。
- 参考スコア（独自算出の注目度）: 11.674310487759833
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: When transferring manipulability across systems with different sizes and kinematic structures, matching absolute ellipsoid scale may be unnecessary when the goal is to reproduce orientation and semi-axis length ratios. Full-matrix tracking, however, penalizes both shape and absolute-scale differences, even when only shape matching is required. We therefore propose a scale-invariant manipulability shape-tracking method that treats matrices differing only by a positive scalar factor as equivalent and uses their unit-determinant representatives. We derive the differential of the unit-determinant shape representative and an orthonormal coordinate representation of the tangent tracking residual under the affine-invariant Riemannian metric (AIRM). The resulting scale-invariant objective is integrated with position and end-effector direction tasks in a constrained joint-velocity quadratic program. Simulations with four heterogeneous robots evaluate robot-to-robot and human-to-robot transfer. On three followers, the proposed method achieves endpoint shape distances of 9.30 x 10^-5 without scale tuning. With robot-specific target scales tuned during motion, the Full method retains endpoint axis-ratio errors of 0.19-0.31 on KR500 and UR20. For human reaching with concurrent tasks, the proposed method yields dual force shapes elongated along X like the human target on all four robots, with endpoint position errors of 2.4-5.6% of reference arm length versus up to 75% for the Full method tracking the original human ellipsoid.
- Abstract（参考訳）: 異なる大きさと運動構造を持つ系間でマニピュラビリティを伝達する場合、ゴールが向きと半軸の長さ比を再現するときに絶対楕円体スケールに一致することは不要である。
しかし、フルマトリクス追跡は、形状マッチングのみを必要とする場合でも、形状と絶対スケールの違いの両方を罰する。
そこで本研究では,正のスカラー係数のみが異なる行列を等価として扱うスケール不変マニピュラ形状追跡法を提案する。
アフィン不変リーマン計量(AIRM)の下では,単位行列形代表の微分と,接追跡残差の正規正規座標表現を導出する。
結果のスケール不変性は、制約付き共同速度2次プログラムにおける位置および端効果の方向タスクと統合される。
4つの異種ロボットによるシミュレーションは、ロボット間移動と人間間移動を評価する。
提案手法は3つの追従者に対して,9.30×10^-5の終端形状距離をスケールチューニングなしで達成する。
ロボット固有の目標スケールが運動中に調整された場合、Full法はKR500とUR20で0.19-0.31の終端軸誤差を保持する。
同時に作業を行う人間に対して,提案手法は,Xに沿って伸びる2つの力の形状を全4ロボットの人間的対象としており,終端位置誤差は基準アーム長の2.4-5.6%,フルメソッドは75%である。
関連論文リスト
- Reduced Cartesian Kinetostatics for Tendon-Driven Continuum Robots: Residual-Stabilized Full-Shape Propagation [19.333315563300918]
腱駆動連続体ロボット(TDCR)の多くの計画および制御タスクは、完全なカルテシアンバックボーン形状を必要とする。
本稿では, 所定の腱力および腱変位軌跡に沿って平衡を伝播するTDCRに対するカルテシアンフレームワークを提案する。
論文 参考訳（メタデータ） (2026-09-24T15:17:32Z) - MANGO-Grasp: Mahalanobis Fields over Geometry-Oriented 3D Gaussians for Cross-Embodiment Dexterous Grasping [82.63833405368159]
クロス・エボディメント・デキスタラス・グルーピングは、異種多指ハンド間の安定したグルーピングを、エンボディメント固有のチューニングをほとんど、あるいは全く行わずに合成することを目的としている。
物体を幾何学指向の3Dガウスプリミティブとして、ロボットハンドをモルフォキネマティックな記述子に符号化した表面キーポイントとして表現する異方性相互作用フレームワークであるMANGO-Graspを提案する。
論文 参考訳（メタデータ） (2026-08-03T10:12:15Z) - Discrete Autoregressive Transformer for Generative Mechanism Synthesis [0.0]
平面経路合成は、カプラ曲線が所定の軌道に一致する機構を必要とする。
前方運動学および幾何学的アライメント後のチャンファー距離と動的時間歪みを報告する。
条件付き自己回帰配列モデルとして合成を定式化する。
論文 参考訳（メタデータ） (2026-06-16T01:46:21Z) - Shape Control of a Planar Hyper-Redundant Robot via Hybrid Kinematics-Informed and Learning-based Approach [42.55947704321053]
ハイパー冗長ロボットは、厳密で非構造的な環境での操作をうまく行うことができる。
到達可能な作業空間を拡張するために,多段式フレキシブルラック作動型平面ロボットを開発した。
本研究では,SpatioCoupledNet というハイブリッドキネマティクス・インフォームド・学習型形状制御手法を提案する。
論文 参考訳（メタデータ） (2026-03-11T04:35:06Z) - Dual-Agent Multiple-Model Reinforcement Learning for Event-Triggered Human-Robot Co-Adaptation in Decoupled Task Spaces [3.349003999623489]
本稿では,カスタム6自由度上肢ロボットのための共有制御型リハビリテーションポリシーを提案する。
患者は二進法で一次到達方向を制御し、ロボットは自律的に矯正動作を管理する。
論文 参考訳（メタデータ） (2026-03-06T11:15:10Z) - Structural Action Transformer for 3D Dexterous Manipulation [80.07649565189035]
クロス・エボディメント・スキル・トランスファーは、ハイDoFロボットハンドの課題である。
既存の手法は、しばしば2次元の観測と時間中心の行動表現に依存し、3次元の空間的関係を捉えるのに苦労する。
本稿では、構造中心の視点を導入することで、このパラダイムに挑戦する新しい3Dデクスタラスな操作ポリシーを提案する。
論文 参考訳（メタデータ） (2026-03-04T11:38:12Z) - Exact Discrete Stochastic Simulation with Deep-Learning-Scale Gradient Optimization [0.0]
連続時間マルコフ連鎖(CTMC)の厳密なシミュレーションは、離散性とノイズ駆動系の振る舞いにおいて不可欠であるが、ジルズピー型アルゴリズムの厳密なカテゴリー選択は勾配に基づく学習を妨げている。
我々は, この制約を, 後方微分からフォワードシミュレーションを分離することにより排除し, 厳密な分類的サンプリングにより, 連続的に並列なGumbel-Softmaxストレートスルーサロゲートを伝播する正確な軌道と勾配を生成する。
本研究により, システム生物学, 化学動力学, 物理, およびCTMCが支配する領域における高次元パラメータ推論と逆設計が可能となった。
論文 参考訳（メタデータ） (2026-02-23T12:29:43Z) - SABER: Data-Driven Motion Planner for Autonomously Navigating
Heterogeneous Robots [112.2491765424719]
我々は、データ駆動型アプローチを用いて、異種ロボットチームをグローバルな目標に向けてナビゲートする、エンドツーエンドのオンラインモーションプランニングフレームワークを提案する。
モデル予測制御(SMPC)を用いて,ロボット力学を満たす制御入力を計算し,障害物回避時の不確実性を考慮した。
リカレントニューラルネットワークは、SMPC有限時間地平線解における将来の状態の不確かさを素早く推定するために用いられる。
ディープQ学習エージェントがハイレベルパスプランナーとして機能し、SMPCにロボットを望ましいグローバルな目標に向けて移動させる目標位置を提供する。
論文 参考訳（メタデータ） (2021-08-03T02:56:21Z) - Kimera-Multi: Robust, Distributed, Dense Metric-Semantic SLAM for
Multi-Robot Systems [92.26462290867963]
Kimera-Multiは、最初のマルチロボットシステムであり、不正なインターループとイントラロボットループの閉鎖を識別し拒否することができる。
我々は、フォトリアリスティックシミュレーション、SLAMベンチマークデータセット、地上ロボットを用いて収集された屋外データセットの挑戦において、Kimera-Multiを実証した。
論文 参考訳（メタデータ） (2021-06-28T03:56:40Z) - Online Body Schema Adaptation through Cost-Sensitive Active Learning [63.84207660737483]
この作業は、icubロボットシミュレータの7dofアームを使用して、シミュレーション環境で実行された。
コストに敏感な能動学習手法は最適な関節構成を選択するために用いられる。
その結果,コスト依存型能動学習は標準的な能動学習手法と同等の精度を示し,実行運動の約半分を減らした。
論文 参考訳（メタデータ） (2021-01-26T16:01:02Z) - Nothing But Geometric Constraints: A Model-Free Method for Articulated
Object Pose Estimation [89.82169646672872]
本稿では,ロボットアームの関節構成を,モデルに先入観を持たずにRGBまたはRGB-D画像のシーケンスから推定する,教師なし視覚ベースシステムを提案する。
我々は,古典幾何学的定式化と深層学習を組み合わせることで,この課題を解決するために,極性多剛体制約を拡張した。
論文 参考訳（メタデータ） (2020-11-30T20:46:48Z)
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。