論文の概要: Model-Based Geometry-Aware Generative Optimization for Constrained Locomotion Planning
- arxiv url: http://arxiv.org/abs/2610.07772v1
- Date: Tue, 06 Oct 2026 05:07:24 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-08 02:58:29.821116
- Title: Model-Based Geometry-Aware Generative Optimization for Constrained Locomotion Planning
- Title（参考訳）: モデルに基づく幾何学-制約付き移動計画のための生成最適化
- Abstract要約: CLP(Consmodtrained Locomotion Planning)は四足歩行とヒューマノイドに必要であり、ロボットは衝突回避接触、運動、支援違反を満足させなければならない。
最近のモデルベース拡散(DMB)は軌道上の再キャスト最適化にアプローチしている。
制約付き四足歩行とヒューマノイドの実験は、高い成功率、少ない違反、実行互換性の向上など、選択と継続的な計画において強いパフォーマンスを示す。
- 参考スコア（独自算出の注目度）: 10.109679652664134
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Constrained Locomotion Planning (CLP) for quadrupeds and humanoids, where robots must satisfy collision avoidance, contact consistency, kinematic feasibility, and support constraints, is challenging under high-dimensional dynamics and highly non-convex environments. Recent Model-Based Diffusion (MBD) approaches recast trajectory optimization as posterior sampling over trajectories, using known dynamics and Monte Carlo rollouts to analytically estimate the denoising score function without demonstration learning. While constrained variants further incorporate feasibility into model-based score rollouts and show promising performance, they are still limited by (1) lacking a task-modulated active constraint geometry that shapes the score direction and reverse stochasticity, and (2) using deterministic DDPM-style reverse transport without adaptive scheduling across different generative transports. Therefore, we introduce Model-Based Geometry-Aware Generative Optimization (2GO) for constrained locomotion, which turns active constraint geometry into executable denoising operators through normal- induced metric shaping, tangent-space stochastic filtering, and CFS-based retraction. 2GO further decouples generative transport from reverse stochasticity through an adaptive diffusion and flow-like schedule. Experiments on constrained quadruped and humanoid locomotion demonstrate strong performance in discrete foothold selection and continuous posture planning, with higher success rates, fewer violations, and improved execution compatibility.
- Abstract（参考訳）: ロボットが衝突回避、接触一貫性、運動性の実現性、サポート制約を満たさなければならない四足歩行とヒューマノイドのための制約付き移動計画(CLP)は、高次元力学および非凸環境下では困難である。
近年のモデルベース拡散 (MBD) では, 軌道上の後続サンプリングとして, 既知のダイナミクスとモンテカルロロールアウトを用いて, 実演学習を伴わない復調スコア関数を解析的に推定する手法が提案されている。
制約付き変種は、モデルベースのスコアロールアウトにさらに実現可能性を持ち、有望な性能を示すが、(1)スコア方向と逆確率を形作るタスク変調されたアクティブ制約幾何学が欠如していること、(2)異なる生成的トランスポートを順応することなく決定論的DDPMスタイルのリバーストランスポートを使用することによって、まだ制限されている。
そこで,制約付き移動のためのモデルベース幾何認識生成最適化 (2GO) を導入し,アクティブ制約幾何を正規化による計量整形,接空間確率フィルタリング,CFSに基づくリトラクションにより実行可能な復調演算子に変換する。
2GOはさらに、適応的な拡散とフローライクなスケジュールを通じて、逆確率から生成的輸送を分離する。
拘束された四足歩行とヒューマノイド移動の実験は、個別の足場選択と連続的な姿勢計画において、高い成功率、少ない違反、実行互換性の向上を示す。
関連論文リスト
- Motion Planning with Model-Based Diffusion via Constraint Optimization and Adaptive Scheduling [7.761673975696802]
シングルロボット運動計画(SRMP)は、複雑な制約と計算上の制限の下で困難である。
最近のモデルベース拡散(MBD)はSRMPをリキャストし、後方拡散軌道からサンプルを誘導する。
提案手法は, 安全・成功率の向上, 収束の高速化, 最終コストの低減を実現している。
論文 参考訳（メタデータ） (2026-07-16T01:04:32Z) - Model-Based Diffusion Optimal Control for Multi-Robot Motion Planning [5.5818653283217055]
連続環境におけるマルチロボット運動計画は、関節軌道空間の成長と動的実現性やハードセーフティ制約の実施の難しさにより困難である。
近年の研究では,実験データからスコア関数を学習した拡散モデルを用いて,軌道後部からの軌道計画を確率的推論として再検討している。
モデルベース拡散最適制御(MDOC)は,データに頼らずに動的に実現可能な軌道を効率的に生成するモデルベース拡散プランナである。
論文 参考訳（メタデータ） (2026-07-14T06:54:03Z) - Saturation-Aware Robust Trajectory Optimization for Reusable Launch Vehicles via Differentiable Physics [9.011250637911248]
再利用可能なロケットの高アングル・オブ・アタック・フリップ操作は、ロバストな軌道最適化の課題を示す。
本稿では飽和を考慮したロバスト軌道最適化のための微分可能な物理フレームワークを提案する。
論文 参考訳（メタデータ） (2026-07-02T14:30:37Z) - Motion Planning for Autonomous Vehicles using Optimization over Graphs of Convex Sets [0.6445605125467574]
自動運転車の運動計画には、リアルタイムな制約の下で、衝突のない、動的に実現可能な軌道を生成する必要がある。
本稿では,非線形動作計画問題に近似する新しい幾何学的制御法を提案する。
連続緩和における凸性を保ちながら、支配的な幾何学的動的効果を捉え、非線形運動計画問題の構造化された近似を提供する。
論文 参考訳（メタデータ） (2026-05-13T23:29:54Z) - Adaptive Linear Path Model-Based Diffusion [52.84663832658799]
リニアパスモデルベース拡散(LP-MBD)を導入し、分散保存スケジュールをフローマッチング線形確率パスに置き換える。
また,適応型LP-MBD(ALP-MBD)を提案し,タスクの複雑さや環境条件に応じて拡散ステップやノイズレベルを調整する。
論文 参考訳（メタデータ） (2026-02-02T21:33:03Z) - Adaptive Momentum and Nonlinear Damping for Neural Network Training [1.0149624140985478]
本稿では,各モデルパラメータの運動エネルギーによって制御される個別の適応運動量係数を導入する,大規模最適化のための連続時間スキームを提案する。
適応摩擦は構造力学からの抑制機構である立方減衰と関係があることを実証する。
論文 参考訳（メタデータ） (2026-01-30T21:35:55Z) - Model-Based Diffusion Sampling for Predictive Control in Offline Decision Making [48.998030470623384]
オフラインの意思決定は、さらなるインタラクションを伴わずに、固定データセットからの信頼性の高い振る舞いを必要とする。
i)タスク整列軌道を多様に生成するプランナー,(ii)システム力学との整合性を強制するダイナミクスモデル,(iii)タスク目標に整合した動作を選択するランサーモジュールからなる構成モデルに基づく拡散フレームワークを提案する。
論文 参考訳（メタデータ） (2025-12-09T06:26:02Z) - Double Duality: Variational Primal-Dual Policy Optimization for
Constrained Reinforcement Learning [132.7040981721302]
本研究では,訪問尺度の凸関数を最小化することを目的として,制約付き凸決定プロセス(MDP)について検討する。
制約付き凸MDPの設計アルゴリズムは、大きな状態空間を扱うなど、いくつかの課題に直面している。
論文 参考訳（メタデータ） (2024-02-16T16:35:18Z) - Conditional Denoising Diffusion for Sequential Recommendation [62.127862728308045]
GAN(Generative Adversarial Networks)とVAE(VAE)の2つの顕著な生成モデル
GANは不安定な最適化に苦しむ一方、VAEは後続の崩壊と過度に平らな世代である。
本稿では,シーケンスエンコーダ,クロスアテンティブデノナイジングデコーダ,ステップワイズディフューザを含む条件付きデノナイジング拡散モデルを提案する。
論文 参考訳（メタデータ） (2023-04-22T15:32:59Z) - Autoregressive Dynamics Models for Offline Policy Evaluation and
Optimization [60.73540999409032]
表現的自己回帰ダイナミクスモデルが次の状態の異なる次元を生成し、以前の次元で順次条件付きで報酬を得ることを示す。
また,リプレイバッファを充実させる手段として,自己回帰的ダイナミクスモデルがオフラインポリシー最適化に有用であることを示す。
論文 参考訳（メタデータ） (2021-04-28T16:48:44Z) - Comparing Probability Distributions with Conditional Transport [63.11403041984197]
新しい発散として条件輸送(CT)を提案し、償却されたCT(ACT)コストと近似します。
ACTは条件付き輸送計画の計算を補正し、計算が容易な非バイアスのサンプル勾配を持つ。
さまざまなベンチマークデータセットのジェネレーティブモデリングでは、既存のジェネレーティブ敵対ネットワークのデフォルトの統計距離をACTに置き換えることで、一貫してパフォーマンスを向上させることが示されています。
論文 参考訳（メタデータ） (2020-12-28T05:14:22Z)
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。