論文の概要: Post-Grasp Kinematic Repair for Robotic Insertion via Object-in-Gripper Reorientation

• arxiv url: http://arxiv.org/abs/2610.08421v1
• Date: Tue, 06 Oct 2026 14:23:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 02:58:30.040306
• Title: Post-Grasp Kinematic Repair for Robotic Insertion via Object-in-Gripper Reorientation
• Title（参考訳）: 物体-イン-グルーパー再配向によるロボットインサーションの運動後修復
• Abstract要約: 安定したグリップは、運動学的に実現可能なロボット挿入を保証するものではない。 対象物の再配向による移植後の運動能力回復について検討した。
• 参考スコア（独自算出の注目度）: 0.7734726150561088
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A stable grasp does not guarantee kinematically feasible robotic insertion because the object-in-gripper transform may force the robot towards singularities or joint limits along the prescribed insertion path. We study post-grasp kinematic feasibility repair through object-in-gripper reorientation. Given an achieved grasp and a fixed insertion path, we seek a small reorientation that restores kinematic feasibility. Sequential IK can miss such candidates by following an unfavorable joint-space path, while the nonsmooth feasibility landscape makes the search computationally expensive. We evaluate candidates using a branch-aware IK graph that maximizes the minimum feasibility margin over the discretized insertion path and use a learned task-conditioned prior to improve query ordering. The selected reorientation is executed through tactile-based extrinsic manipulation. In UR5e simulations, the planner without learned ranking reduces mean reorientation over successful trials by 51.5% compared with grid-based sequential IK. Adding learned ranking reduces this planner's mean planning time by an additional 51.1%. Real-robot experiments validate the complete pipeline.
• Abstract（参考訳）: 安定したグリップは、ロボットを所定の挿入経路に沿って特異点や関節限界まで押し付けることができるため、運動学的に実現可能なロボット挿入を保証しない。 対象物の再配向による移植後の運動能力回復について検討した。 達成された把握と固定された挿入経路を考慮し,運動能力の回復を図る。 逐次IKは、望ましくない共同空間経路を辿ることで、そのような候補を見逃すことができるが、非滑らかな実現可能性の背景は、探索を計算的に高価にする。 提案手法は,識別された挿入経路に対する最小実行可能性マージンを最大化する分岐認識IKグラフを用いて,クエリオーダの改善に先立って学習されたタスク条件を用いて評価する。 選択されたリオリエンテーションは、触覚ベースの外在的操作によって実行される。 UR5eシミュレーションでは、学習したランキングを持たないプランナーは、グリッドベースのシーケンシャルIKと比較して、試験の成功よりも平均的なリオリエンテーションを51.5%削減する。 学習したランキングを追加することで、プランナーの平均計画時間を51.1%削減できる。 実際のロボット実験は、完全なパイプラインを検証する。

関連論文リスト

• Towards Efficient Robotic Manipulation Models with Self-Recursive Pruning [23.3017683742757]
  Loss-Conditioned Activation-Moment (LCAM) プルーニングは、事前訓練されたロボット操作ポリシーの非構造化プルーニングのための訓練不要な方法である。 我々のアルゴリズムは刈り込み後の回収訓練やシミュレータのロールアウトが不要である。
  論文  参考訳（メタデータ） (2026-10-06T15:40:35Z)
• Planning along Differentiable Charts of Constraint Manifolds with General-Purpose IK Solvers [29.871447775096808]
  運動論的等式制約下でのロボットマニピュレータの計画軌道は、構成空間の測度ゼロ部分多様体に実現可能な運動を制限する。 有望な戦略は、解析的逆運動学(IK)を用いて実現可能な集合をパラメータ化することである。 解析的IKパラメータ化の勾配計算のための新しい手法を提案する。
  論文  参考訳（メタデータ） (2026-09-09T23:22:03Z)
• Finding the Needle in a Haystack: Test-Time Analog Circuit Representation Adaptation for Bayesian Optimization [0.0]
  本稿では,ベイズ最適化(TTARO)のためのテスト時間アナログ表現適応を提案する。 TTAROはサーチプロセス全体を通して回路表現に適応する。 我々の実験では、TTAROは、BOと比較して平均して15.2%、Deep Learning(DKL)と比較して20.7%、後悔のAUCを15.2%削減する。
  論文  参考訳（メタデータ） (2026-08-13T01:09:58Z)
• Online Generation of Collision-Free Trajectories in Dynamic Environments [0.9596789853473943]
  状態列で表される任意の幾何経路を対応する運動可能軌道に変換するオンライン手法を提案する。 ユーザが指定した制御速度で離散化して低レベルロボットコントローラにストリームできるクインティック/クアティック・スプラインのシーケンスを生成する。 実際のロボットの実験では、提案手法が人間の存在を含む現実のシナリオで使用できることを示した。
  論文  参考訳（メタデータ） (2026-02-28T18:04:50Z)
• MeshA*: Efficient Path Planing With Motion Primitives [1.0550841723235613]
  本研究では,移動可能な動作が環境のグリッド表現に整合した動作プリミティブの有限集合として表現される経路計画問題について検討する。 そこで本研究では,これらの細胞に移動プリミティブの配列を同時に組み込むことによって,グリッドセルを探索する手法を提案する。 得られたアルゴリズムであるMeshA*は、完全性と最適性の保証を確実に保持し、従来の格子ベースの計画よりも顕著に優れていることを示す。
  論文  参考訳（メタデータ） (2024-12-13T18:00:21Z)
• Finding Transformer Circuits with Edge Pruning [71.12127707678961]
  自動回路発見の効率的かつスケーラブルなソリューションとしてエッジプルーニングを提案する。 本手法は,従来の手法に比べてエッジ数の半分未満のGPT-2の回路を探索する。 その効率のおかげで、Edge PruningをCodeLlama-13Bにスケールしました。
  論文  参考訳（メタデータ） (2024-06-24T16:40:54Z)
• TransPath: Learning Heuristics For Grid-Based Pathfinding via Transformers [64.88759709443819]
  探索の効率を顕著に向上させると考えられる,インスタンス依存のプロキシを学習することを提案する。 私たちが最初に学ぶことを提案するプロキシは、補正係数、すなわち、インスタンスに依存しないコスト・ツー・ゴの見積もりと完璧な見積もりの比率である。 第2のプロキシはパス確率であり、グリッドセルが最も短いパスに横たわっている可能性を示している。
  論文  参考訳（メタデータ） (2022-12-22T14:26:11Z)
• Regret minimization in stochastic non-convex learning via a proximal-gradient approach [80.59047515124198]
  機械学習やオペレーションの応用によって動機づけられた私たちは、オンラインで制約された問題を最小化するために、一階のオラクルフィードバックを後悔しています。 我々は、近位複雑性低減技術を保証する新しいプロキシグレードを開発する。
  論文  参考訳（メタデータ） (2020-10-13T09:22:21Z)
• Orientation Attentive Robotic Grasp Synthesis with Augmented Grasp Map Representation [62.79160608266713]
  物体の形態学的特徴は、ロボットの把握の視覚的学習を阻害する、幅広い可視的把握方向を提供する可能性がある。 既存のグリップ生成アプローチを呪い、グリップポイント毎に大きく異なる向きのアノテーションを集約することにより、不連続グリップマップを構築する。 そこで本研究では,角度空間を複数のビンに分割することで,方向を局所的に歪曲する,画素ワイズ合成に適した拡張型グリップマップ表現を提案する。
  論文  参考訳（メタデータ） (2020-06-09T08:54:54Z)

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。