論文の概要: Communication-Free Obstacle Localization from Aggregate Wrench Measurements in Leader--Follower Cooperative Transport

• arxiv url: http://arxiv.org/abs/2610.08324v1
• Date: Tue, 06 Oct 2026 13:24:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 02:58:30.006673
• Title: Communication-Free Obstacle Localization from Aggregate Wrench Measurements in Leader--Follower Cooperative Transport
• Title（参考訳）: リーダー-フォロワー協調輸送における集団レンチ測定からのコミュニケーション自由障害物の局在
• Abstract要約: 本研究では,ロボット間通信を明示することなく,剛体ペイロードを協調的に輸送するロボットの障害物位置決めについて検討する。 リーダーロボットはペイロードの動きを指示し、追従ロボットは局所的に検出された障害物をアシストして反応する。 我々は,これらの測定結果から,リーダが障害物位置を回復するための追従制御法を設計する。
• 参考スコア（独自算出の注目度）: 1.1078631999104906
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We consider obstacle localization for a team of robots cooperatively transporting a rigid payload without explicit inter-robot communication. A leader robot directs the payload's motion, while follower robots assist and react to locally detected obstacles. The leader measures the followers' aggregate wrench, i.e., the combined force and torque they exert on the payload, but cannot directly distinguish their individual reactions. We design a follower control law that allows the leader to recover obstacle locations from these measurements. Each follower resists motion toward nearby obstacles, resulting in a piecewise-linear relationship between the payload's translational and angular velocity and the aggregate wrench. Changes between adjacent linear regions reveal an obstacle's bearing and distance and identify the responding follower. We give sufficient conditions for exact recovery at a fixed payload configuration and develop an adaptive probing procedure in which the leader applies translational and rotational inputs to the payload to obtain the required measurements. We demonstrate the performance of the proposed method in simulations.
• Abstract（参考訳）: 本研究では,ロボット間通信を明示することなく,剛体ペイロードを協調的に輸送するロボットの障害物位置決めについて検討する。 リーダーロボットはペイロードの動きを指示し、追従ロボットは局所的に検出された障害物をアシストして反応する。 リーダーは、フォロワーの集約レンチ、すなわち、ペイロードに与える力とトルクを計測するが、個々の反応を直接区別することはできない。 我々は,これらの測定結果から,リーダが障害物位置を回復するための追従制御法を設計する。 各追従者は、近くの障害物に対する動きに抵抗し、ペイロードの翻訳速度と角速度と集約レンチとの間には片方向の線形関係が生じる。 隣接する直線領域間の変化は障害物の軸受と距離を明らかにし、応答する従者を特定する。 固定されたペイロード構成で正確なリカバリを行うのに十分な条件を与え、リーダーがペイロードに翻訳入力と回転入力を適用して必要な測定値を得る適応型プローブ法を開発する。 提案手法の性能をシミュレーションで示す。

関連論文リスト

• Feeling Through the Load: Compliant Quadruped Locomotion under Payload Interactions [10.49605854728355]
  本研究では,ロボット・ペイロード・システムの動作を形作るコマンドとして,ペイロード間相互作用を扱う力認識型ロコモーション・フレームワークを開発した。 シミュレーションと実世界の実験により、制御器は安定なペイロード搬送ロコモーションを維持でき、外部との相互作用に順応し、ロボットの軌道における人間の誘導的変化をサポートするために推定力を使用することが示されている。
  論文  参考訳（メタデータ） (2026-10-06T16:32:23Z)
• Bridging Frontier Reasoning and Robot Execution: From Autonomous Demonstration Generation to Dense Language Supervision [50.12185415414777]
  私たちはフロンティアモデルを使用して、高速なローカルポリシーのトレーニングのために人間のデモを補完するデモを自律的に生成します。 ハーネスはフロンティア生成命令と高速なローカルポリシを組み合わせることで、モデルがアクションを誘導し修正する能力を保ちながら効率的な実行を可能にする。 固定時間予算内でセマンティックプランニングと操作を組み合わせたクロスワードタスクにおいて、両ブリッジを併用して評価する。
  論文  参考訳（メタデータ） (2026-10-02T17:12:29Z)
• Controlling Collectives of AI Agents in Reasoning Space with Spatial Transformers [70.77402879529212]
  大きな言語モデル(LLM)は、ロボット工学における計画とナビゲーションのためのエキサイティングな新しいパラダイムを導入しますが、チームのサイズが大きくなるにつれて、単純なマルチロボットタスクにも失敗します。 本稿では,大規模エージェントロボット群を推論空間フィードバック制御により制御するための,スケーラブルで分散化されたマルチロボットアーキテクチャを提案する。 フィードバックは各ロボット上で,複数のホップメッセージを収集する空間変換器によって局所的に生成され,学習されたフィードバックトークンになる。
  論文  参考訳（メタデータ） (2026-09-23T15:08:35Z)
• Towards Human-level Dexterous Teleoperation [62.77371751776912]
  人レベルのデキスタラス遠隔操作は、動的手動物体接触による物体の動きを正確に制御する必要がある。 我々は,操作者の意図を学習された低レベルのコンタクト実行にマッピングするハンドオブジェクト・コトラッキング・コントローラであるTeleDexterを紹介した。 我々はTeleDexterを、物体の向きを変える7つの難易度遠隔操作タスクと、両手にわたる長距離ツールを用いて評価した。
  論文  参考訳（メタデータ） (2026-07-13T12:36:47Z)
• Distributed Multi Robot Lunar Cargo Transportation via Phase Decomposed Reinforcement Learning [6.001288961401708]
  本稿では,分散ロボットユニットを用いた協調貨物輸送のための位相分解型強化学習フレームワークを提案する。 このフレームワークは、JAXA宇宙探査試験施設における、シミュレーションおよび制御されたフィールド実験により評価される。 その結果, シミュレーションおよびハードウェア実験において, 全段階にわたる信頼性の高い協調輸送が示された。
  論文  参考訳（メタデータ） (2026-06-30T20:36:03Z)
• A Kinetic Theory of Encounter-Based Information Propagation in Multi-Robot Systems [0.0]
  本稿では,出会いに基づく情報伝達の速度論的理論を考案する。 この理論は,チームサイズ,運用範囲,通信範囲,目標速度など,大規模シミュレーションを用いて評価する。 結果は、提案したアクセス安定性-幾何分解をサポートする。
  論文  参考訳（メタデータ） (2026-06-01T14:20:31Z)
• Wrench-Aware Admittance Control for Unknown-Payload Manipulation [3.8673630752805437]
  本稿では,UR5eロボットを用いた未知のペイロードピックアップ・アンド・プレイスのためのレンチ・アウェア・アウェア・アプタンス・アプタンス・コントロール・フレームワークを提案する。 この方法は2つの異なる役割における力トルク測定を用いて、輸送中のペイロードによる力の影響を低減する。 実験の結果,不正確な配置に比べて輸送性能と配置性能が向上した。
  論文  参考訳（メタデータ） (2026-04-21T13:50:48Z)
• Dexplore: Scalable Neural Control for Dexterous Manipulation from Reference-Scoped Exploration [58.4036440289082]
  ハンドオブジェクトモーションキャプチャ(MoCap)は、大規模でコンタクトに富んだデモと、器用なロボットスコープの約束を提供する。 Dexploreは、リポジトリとトラッキングを実行し、MoCapから直接ロボット制御ポリシーを学習する、統一された単一ループ最適化である。
  論文  参考訳（メタデータ） (2025-09-11T17:59:07Z)
• Built Different: Tactile Perception to Overcome Cross-Embodiment Capability Differences in Collaborative Manipulation [2.0318411357438086]
  触覚が協調操作の文脈において,ロボットの実施形態の違いを橋渡しするのにどう役立つかを検討する。 本稿では,触覚センサと行動クローンを用いて,ロボットから非機能ロボットへポリシーを伝達するアプローチを提案する。 我々は,この正の移動を,力制御ロボットデータで訓練されたのと同じ方針を用いて,4種類の触覚対応エボディメントに示す。
  論文  参考訳（メタデータ） (2024-09-23T10:45:41Z)
• Learning to Communicate and Correct Pose Errors [75.03747122616605]
  本稿では、V2VNetで提案された設定について検討し、近くにある自動運転車が共同で物体検出と動き予測を協調的に行う方法を提案する。 本稿では,コミュニケーションを学習し,潜在的な誤りを推定し,それらの誤りについてコンセンサスを得るための新しいニューラルネットワーク推論フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-11-10T18:19:40Z)
• ReLMoGen: Leveraging Motion Generation in Reinforcement Learning for Mobile Manipulation [99.2543521972137]
  ReLMoGenは、サブゴールを予測するための学習されたポリシーと、これらのサブゴールに到達するために必要な動作を計画し実行するためのモーションジェネレータを組み合わせたフレームワークである。 本手法は,フォトリアリスティック・シミュレーション環境における7つのロボットタスクの多種多様なセットをベンチマークする。 ReLMoGenは、テスト時に異なるモーションジェネレータ間で顕著な転送可能性を示し、実際のロボットに転送する大きな可能性を示している。
  論文  参考訳（メタデータ） (2020-08-18T08:05:15Z)

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。