論文の概要: Real-Time Conformal-Seeded Hybrid Inverse Kinematics for Offset Redundant Manipulators

• arxiv url: http://arxiv.org/abs/2610.04266v1
• Date: Sat, 03 Oct 2026 03:45:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-12 12:03:45.458552
• Title: Real-Time Conformal-Seeded Hybrid Inverse Kinematics for Offset Redundant Manipulators
• Title（参考訳）: オフセット冗長マニピュレータのためのリアルタイムコンフォーマルシードハイブリッドインバースキネマティクス
• Abstract要約: 本稿では,オフセットで冗長な7-DoFロボットアームの逆運動学を解くための共形種ハイブリッド戦略を提案する。 そこで本研究では,共形キャリブレーションを施した2段階ハイブリッド逆キネマティクスフレームワークを提案する。 提案手法は,40us未満のリアルタイム性能と,到達可能な目標に対する評価において100%の成功率を実現する。
• 参考スコア（独自算出の注目度）: 4.397031053451847
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper presents a conformal-seeded hybrid strategy for solving inverse kinematics of offset, redundant 7-DoF robot arms of the humanoid class. Analytical inverse kinematics (AIK) provides closed-form solutions with very low computational cost. However, for offset kinematic structures, the exact closed-form solution is generally unavailable, and practical AIK must rely on an approximate or simplified kinematic model. In contrast, numerical inverse kinematics (NIK) can achieve high-precision solutions on the full kinematic model. However, its convergence is highly sensitive to initialization. To overcome these limitations, we propose a two-stage hybrid inverse kinematics framework with conformal-calibrated seed selection. First, an approximate analytical model efficiently enumerates a finite set of candidate joint solutions. Second, we rank these candidates using a lightweight learned predictor of post-refinement difficulty, wrapped by split-conformal prediction into a calibrated upper bound that serves as the selection score. The best-ranked seed is then refined using a Levenberg-Marquardt solver on the full kinematic model. The proposed method combines fast candidate generation, learned seed ranking with a calibrated difficulty bound, and accurate numerical refinement, achieving real-time performance of less than 40us and a success rate of 100% in our evaluation on reachable targets. We validate the approach through large-scale stochastic simulation across the workspace and experimental demonstrations with motion planning on a humanoid robot arm. Demonstration videos are available at https://youtu.be/aeiBmw1XRbw.
• Abstract（参考訳）: 本稿では,人間型ロボットアームのオフセット,冗長な7-DoFの逆キネマティクスを解くための共形種ハイブリッド戦略を提案する。 解析的逆キネマティクス(AIK)は計算コストが非常に低い閉形式解を提供する。 しかし、オフセットキネマティック構造の場合、正確な閉形式解は一般には利用できず、実用的なAIKは近似的あるいは単純化されたキネマティックモデルに頼らなければならない。 対照的に、数値逆キネマティクス(NIK)は完全なキネマティクスモデル上で高精度な解が得られる。 しかし、その収束は初期化に非常に敏感である。 これらの制限を克服するために,共形校正型種選択を用いた2段階のハイブリッド逆運動学フレームワークを提案する。 第一に、近似解析モデル(英語版)は、候補となるジョイント解の有限集合を効率的に列挙する。 第二に、これらの候補を、選択スコアとして機能する校正上界に分割等角予測をラップして、軽量に学習した減算困難度予測器を用いてランク付けする。 最高ランクの種は、完全なキネマティックモデル上のレバンス・マルカルト解法を用いて精製される。 提案手法は, 高速な候補生成, 学習種子ランキング, 校正難易度境界, 精度の高い数値改質を組み合わせ, 40us未満のリアルタイム性能, 到達目標に対する評価において100%の成功率を実現した。 作業空間を横断する大規模確率シミュレーションとヒューマノイドロボットアームの動作計画を用いた実験により,本手法の有効性を検証した。 デモビデオはhttps://youtu.be/aeiBmw1XRbw.comで公開されている。

関連論文リスト

• Stochastic Multiple Shooting Trajectory Optimization via Sequential Local Policy Evaluation [0.0]
  本稿では,局所的なフィードバックポリシを介して接続された短い制御動作シーケンスを最適化し,サンプル効率と端末セットへの収束性を改善する多重撮影法を提案する。 我々は,システムヤコビアンをロールアウトから純粋に合成できることを示し,ブラックボックス力学を用いたモデルベース強化学習に適した方法を提案する。
  論文  参考訳（メタデータ） (2026-08-04T17:43:21Z)
• KineBench: Benchmarking Embodied World Models via IDM-Free Kinematic Grounding [58.541098216700796]
  エンボディド・ワールド・モデルの 物理的整合性を評価することは 重要なオープン・チャレンジです 既存のフレームワークはほとんどがアクション抽出に逆ダイナミクスモデル(IDM)に依存している。 IDMのないEWMのためのクローズドループベンチマークであるKineBenchを紹介する。
  論文  参考訳（メタデータ） (2026-07-22T08:04:17Z)
• Efficient Adjoint Matching for Fine-tuning Diffusion Models [47.05085426361986]
  本研究では,テキストベースドリフトとテキスト端末コストでSOC問題を修正し,トレーニング効率を大幅に向上するEMAを提案する。 EAMはAMよりも最大4倍早く収束し、PickScore、ImageReward、HPSv2.1、CLIPScore、Aestheticsなど様々なメトリクスにマッチするか、超える。
  論文  参考訳（メタデータ） (2026-05-12T03:55:12Z)
• Coordinated Manipulation of Hybrid Deformable-Rigid Objects in Constrained Environments [3.915966095774856]
  本研究は, ひずみに基づくコッサートロッドモデルを用いた準静電最適化に基づく操作プランナを提案する。 これは、厳密なツールで到達不能なオブジェクトに対して、タスク空間の目的を達成する一方で、制約を通して操作するための変形可能なリンクのコンプライアンスを利用する。 提案アルゴリズムは、様々なhDLOシステム上でのシミュレーションや、双腕ロボットシステムを用いた制約環境で操作された3リンクhDLOの実験で検証される。
  論文  参考訳（メタデータ） (2026-03-13T12:34:49Z)
• Spatial-Temporal Graph Diffusion Policy with Kinematic Modeling for Bimanual Robotic Manipulation [88.83749146867665]
  既存のアプローチは、遠く離れた次のベストなエンドエフェクタのポーズを予測するポリシーを学びます。 すると、運動に対する対応する関節回転角を逆運動学を用いて計算する。 本稿では,Kinematics 拡張空間テンポアル gRaph diffuser を提案する。
  論文  参考訳（メタデータ） (2025-03-13T17:48:35Z)
• Accelerated zero-order SGD under high-order smoothness and overparameterized regime [79.85163929026146]
  凸最適化問題を解くための新しい勾配のないアルゴリズムを提案する。 このような問題は医学、物理学、機械学習で発生する。 両種類の雑音下で提案アルゴリズムの収束保証を行う。
  論文  参考訳（メタデータ） (2024-11-21T10:26:17Z)
• A Deep Unrolling Model with Hybrid Optimization Structure for Hyperspectral Image Deconvolution [50.13564338607482]
  本稿では,DeepMixと呼ばれるハイパースペクトルデコンボリューション問題に対する新しい最適化フレームワークを提案する。 これは3つの異なるモジュール、すなわちデータ一貫性モジュール、手作りの正規化器の効果を強制するモジュール、および装飾モジュールで構成されている。 本研究は,他のモジュールの協調作業によって達成される進歩を維持するために設計された,文脈を考慮した認知型モジュールを提案する。
  論文  参考訳（メタデータ） (2023-06-10T08:25:16Z)
• 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)
• Comparison of Distal Teacher Learning with Numerical and Analytical Methods to Solve Inverse Kinematics for Rigid-Body Mechanisms [67.80123919697971]
  私たちは、逆キネマティクス(DT)に対する最初の機械学習(ML)ソリューションの1つとして、微分可能なプログラミングライブラリを組み合わせると、実際には十分よいと論じています。 我々は,解答率,精度,サンプル効率,スケーラビリティを解析する。 十分なトレーニングデータと緩和精度の要求により、DTはより優れた解法率を持ち、15-DoF機構のための最先端の数値解法よりも高速である。
  論文  参考訳（メタデータ） (2020-02-29T09:55:45Z)

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。