論文の概要: Analytic Robot Self-Model: Learning Screw-Axis Kinematics for Rendering and Model-Based Control
- arxiv url: http://arxiv.org/abs/2610.15558v1
- Date: Sun, 11 Oct 2026 12:01:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-19 17:59:29.506088
- Title: Analytic Robot Self-Model: Learning Screw-Axis Kinematics for Rendering and Model-Based Control
- Title（参考訳）: 分析ロボットの自己モデル:レンダリングとモデルベース制御のためのスクリュー軸運動学の学習
- Abstract要約: 本稿では,変形ネットワークもURDF/CADテンプレートも必要としない,明示的な解析ロボットの自己モデルを提案する。
模擬7軸アーム, 模擬12関節四重組, 実6軸アームでモデルを検証した。
ミレニアムレベルのリーチとピック・アンド・プレイス、クローズドループの四足歩行を実現している。
- 参考スコア（独自算出の注目度）: 9.203987547425484
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Visual self-modelling lets robots learn body models from observations, but such models usually encode kinematics implicitly rather than exposing metric joint parameters for computation and control. Moreover, a good fit to images does not by itself establish accurate kinematics. Here we present an explicit analytic robot self-model that requires neither deformation networks nor URDF/CAD templates. Multi-view images and joint readings establish Gaussian appearance and provide motion evidence for rigid link assignments, whereas sparse end-effector poses independently identify metric screw axes. The resulting closed-form forward kinematics and analytic Jacobian can be evaluated beyond the fitting ranges. We validate the model on a simulated seven-axis arm, a simulated twelve-joint quadruped and a real six-axis arm. In simulation, it achieves millimetre-level reaching and pick-and-place, as well as closed-loop quadruped walking. On the real arm, it renders held-out configurations, predicts end-effector positions with a median error of 6.4 mm, compared with 11.7 mm for a calibrated nominal model, and supports reaching with external marker feedback. A controlled comparison shows that image fit alone is not enough: two Panda models differing only in their joint axes are 0.54 dB apart in PSNR, yet their end-effector prediction errors differ 13.7-fold.
- Abstract（参考訳）: 視覚的な自己モデリングにより、ロボットは観察から身体モデルを学ぶことができるが、そのようなモデルは通常、計算と制御のためにメートル法的な関節パラメータを公開するのではなく、キネマティクスを暗黙的にエンコードする。
さらに、画像によくフィットすることは、それ自体が正確なキネマティクスを確立しない。
本稿では,変形ネットワークやURDF/CADテンプレートを必要としない,明示的な解析ロボットの自己モデルを提案する。
マルチビュー画像とジョイントリーディングはガウス的外観を確立し、剛体リンク割り当ての運動証拠を提供するが、スパースエンドエフェクターはメトリスクリュー軸を独立に識別する。
結果として得られる閉形式前方運動学と解析的ジャコビアンは、適合範囲を超えて評価することができる。
模擬7軸アーム, 模擬12関節四重組, 実6軸アームのモデルの有効性を検証した。
シミュレーションでは、ミリメートルレベルのリーチとピック・アンド・プレイス、クローズドループの四足歩行を実現している。
実際のアームでは、ホールドアウト構成をレンダリングし、中央値の誤差が6.4mmであり、キャリブレーションされた名目モデルでは11.7mmであるのに対して、エンドエフェクター位置は6.4mmと予測し、外部マーカーフィードバックで到達をサポートする。
2つのパンダモデルは関節軸のみが異なるが、PSNRでは0.54dBの差があるが、その端効果予測誤差は13.7倍である。
関連論文リスト
- Sim4RAD: A MATLAB Toolkit for Design-Phase Sizing, Actuator Selection and URDF-Model Verification of Serial Robotic Arms [4.295048678741513]
Sim4RADはCADモデルが存在する前にアクチュエータをサイズ化するためのツールキットである。
少数のパラメータから剛体モデルを構築し、4つの仕様を分析している。
検証には詳細なモデルのURDFモデルを使用する必要がある。
論文 参考訳（メタデータ） (2026-10-13T00:56:04Z) - Scale-Invariant Manipulability Shape Tracking Across Heterogeneous Manipulators [11.674310487759833]
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。
論文 参考訳（メタデータ） (2026-09-29T05:56:41Z) - GAUGE: Group-Wise View-Inconsistency Rectification for Feed-Forward 4D Tracking [48.91477882822122]
本稿では,GAUGE(Group-wise Adaptive Unsupervised Gauge Estimation)について述べる。
方向整合性と空間接続性から運動群を復元し、フレーム単位のラジアルスケールとグループレベルの変換を推定する。
D4RT, 4RC, SM4RTを含む8つのトラッカーの動的クエリポイントでは, 訂正されていない予測に対して, 終端誤差を15.1%から62.6%削減する。
論文 参考訳（メタデータ） (2026-09-26T13:14:53Z) - System Identification of Admittance Models for Large Real-World Objects [0.44733276617585455]
本稿では,大規模な実世界の物体の物理的に一貫したモデルを作成するための,最初の完全なワークフローを提案する。
モデルは重く近接したドアと手押し車のために製造される。
論文 参考訳（メタデータ） (2026-08-30T18:06:58Z) - RigidBench: Evaluating Rigid-Body Physics in Video Generation Models [16.53417077740312]
そこで本研究では,生成した継続と参照ロールアウトを同一の初期フレームと動作記述から比較したシミュレータグラウンドベンチマークを提案する。
同じ100の例で8つのモデルを評価し、これらの側面を分離する10の計測を行った。
完全な微調整により3次元軌道誤差は約20%減少し、SSIMはほとんど変化しない。
論文 参考訳（メタデータ） (2026-08-16T06:05:20Z) - 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) - GEM-4D: Geometry-Enhanced Video World Models for Robot Manipulation [72.52773248997929]
ビデオワールドモデルは、1つの命令から現実的な未来を生成できるが、時間とともに一貫したポイントレベルの動きを維持できないことが多い。
GEM-4Dは、トレーニング中にビデオ生成バックボーンに高密度な4D対応制御を注入する幾何学的地上ビデオワールドモデルである。
Inverse dynamicsモジュールは、対応性のあるビデオロールアウトを実行可能なロボットトラジェクトリに変換し、現実世界とシミュレーション操作の両方で直接デプロイできる。
論文 参考訳（メタデータ） (2026-05-20T21:36:44Z) - ViPS: Video-informed Pose Spaces for Auto-Rigged Meshes [55.32681167870698]
Video-informed Pose Spaces (ViPS)は、自動リップメッシュのための有効な調律の潜時分布を検出するフィードフォワードフレームワークである。
ViPSは生成ビデオの先行値を所定のリグパラメータ化上の普遍分布に転送する。
評価の結果,VPSは,合成アーティストが作成した4Dデータに基づいて訓練した最先端の手法の性能と,妥当性と多様性の両面で一致していることがわかった。
論文 参考訳（メタデータ） (2026-04-19T21:21:11Z) - 3DPCNet: Pose Canonicalization for Robust Viewpoint-Invariant 3D Kinematic Analysis from Monocular RGB cameras [7.906702226082628]
3DPCNetは3Dジョイント座標で直接動作するコンパクトな推定器に依存しないモジュールである。
本手法は,地中構造IMUセンサデータと強い視覚的対応を示すビデオから加速度信号を生成する。
論文 参考訳（メタデータ） (2025-09-27T18:55:21Z) - 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)
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。