論文の概要: Constraint-Decomposed Impedance Control from Generative Policy for Articulated Object Manipulation

• arxiv url: http://arxiv.org/abs/2610.16316v1
• Date: Mon, 12 Oct 2026 07:40:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-19 06:30:01.209853
• Title: Constraint-Decomposed Impedance Control from Generative Policy for Articulated Object Manipulation
• Title（参考訳）: 人工物体操作のための生成ポリシーからの制約分解インピーダンス制御
• Abstract要約: オープニングドアのような人工的な物体操作タスクは、ニューラルポリシーが満足できないかもしれないロボットのエンドエフェクターの動きにキネマティックな制約を課す。 ツイスト空間における実現可能な運動方向を推定するための制約分解インピーダンス制御法を提案する。 本手法は,タスク実行を維持しながら,等方性インピーダンス制御に対する制約違反の接触負荷を一貫して低減する。
• 参考スコア（独自算出の注目度）: 14.976898514358327
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Articulated object manipulation tasks such as opening doors, tightening bolts, and pulling drawers impose kinematic constraints on a robot end-effector's motion that neural policies may fail to satisfy. Unlike hybrid force-position control that strictly separates force and position control into orthogonal subspaces, impedance control modulates a mechanical impedance system in the form of a virtual inertia, damping, and stiffness. However, selecting task-appropriate impedance gains remains challenging for robot policies. In this paper, we address this problem for the case of manipulating articulated objects. Our constraint-decomposed impedance control method uses the sampling diversity of a generative policy to estimate the feasible motion directions in twist space. The key idea is to infer the feasible and constrained subspaces of twists from an ensemble of trajectories generated by the policy from the same observation. Principal component analysis (PCA) of the end-effector twists determines the feasible twist subspace, which is then used to form 6x6 impedance gain matrices. For many common articulated objects, the feasible twist subspace is independent of the object configuration, so the subspace and resulting gains are estimated once and held fixed during manipulation, minimizing computational overhead. For less common cases where this independence does not hold, we instead estimate a configuration-independent twist subspace of higher dimension that contains the local feasible subspaces, allowing the same fixed-gain strategy to be used. Experiments across simulated and real-world single- and multi-DoF objects show that the proposed method consistently reduces constraint-violating contact loads relative to isotropic impedance control while maintaining task execution.
• Abstract（参考訳）: オープニングドア、ボルトの締め付け、引き出しの引き込みなどの人工的な物体操作タスクは、神経政策が満足できないかもしれないロボットのエンドエフェクターの動きに運動的制約を課す。 力と位置の制御を厳密に直交部分空間に分離するハイブリッド力配置制御とは異なり、インピーダンス制御は仮想慣性、減衰、剛性の形で機械インピーダンス系を変調する。 しかし,ロボット政策においては,タスク適応型インピーダンスゲインの選択は依然として困難である。 本稿では,音素オブジェクトを操作する場合のこの問題に対処する。 我々の制約分解インピーダンス制御法は、生成ポリシーのサンプリング多様性を利用して、ツイスト空間における実現可能な運動方向を推定する。 鍵となる考え方は、同じ観測からポリシーによって生成された軌道の集合から、ねじれの実現可能かつ制約された部分空間を推測することである。 エンドエフェクタ・ツイストの主成分分析(PCA)は、実現可能なツイスト部分空間を決定し、6x6インピーダンスゲイン行列を形成する。 多くの共通したオブジェクトに対して、実現可能なツイスト部分空間はオブジェクト構成とは独立であるため、サブスペースと結果のゲインは一度推定され、操作中に固定され、計算オーバーヘッドを最小限に抑えられる。 この独立性が保たないより一般的な場合に対して、我々はより高次元の配置非独立なツイスト部分空間を推定し、局所可能部分空間を含むので、同じ固定ゲイン戦略を使うことができる。 シミュレーションおよび実世界の単一・複数DoFオブジェクト間の実験により,タスク実行を維持しながら等方性インピーダンス制御に対する制約違反の接触負荷を一貫して低減することを示す。

関連論文リスト

• Projection-Retraction MPPI: Exact Constraint-Manifold Control for Manipulators [7.124493742815592]
  プロジェクションリトラクションMPPIは、ダイナミックス内の制約を強制する。 14-DoFデュアルアームシステム上でPR-MPPIを検証する。
  論文  参考訳（メタデータ） (2026-08-04T11:40:10Z)
• Constraint-Enhanced Reinforcement Learning Based on Dynamic Decoupled Spherical Radial Squashing [1.2036262042590717]
  各関節が制御ステップごとにどれだけ速く動けるかは、避けられない。 既存の方法は等方性球形の制約を課し、指数関数的に真の実現可能な集合を覆い隠す。 本稿では,ダイナミックデカップリング型球状ラジアルスクアッシング(DD-SRad)を提案する。 Unitree H1とG1のヒューマノイドロボットによる実験は、公式な共同仕様から直接パラメータ化されたエンドツーエンドの最適性を確認する。
  論文  参考訳（メタデータ） (2026-05-05T18:24:46Z)
• Learning Reactive Dexterous Grasping via Hierarchical Task-Space RL Planning and Joint-Space QP Control [50.28263951510334]
  本稿では,リアクティブなデクスタリーグルーピングのためのハイブリッド階層型制御フレームワークを提案する。 提案手法は,低レベル共同実行から高レベル空間意図を明示的に分離する。 我々は厳密なシミュレーションと現実のパイプラインを通して提案したフレームワークを広範囲に検証する。
  論文  参考訳（メタデータ） (2026-05-05T04:49:38Z)
• Neural Control: Adjoint Learning Through Equilibrium Constraints [7.41073008855977]
  トラジェクトリに依存した,メモリ効率のよいプロキシ勾配を演算する境界制御フレームワークを提案する。 本研究では,SPSAやCEMなどの勾配のないベースラインの性能向上を示す。
  論文  参考訳（メタデータ） (2026-05-05T02:19:37Z)
• Passive Variable Impedance For Shared Control [9.4607769454218]
  インピーダンス制御における可変剛性の安定化と異なる制御器の調停について検討する。 閉ループ系におけるパッシビティ違反を同定し,システムにパッシブ化を行う方法を提案する。 提案手法は,シミュレーションだけでなく,様々なシステムにおける実ロボット実験においても検証される。
  論文  参考訳（メタデータ） (2026-04-22T13:39:39Z)
• Optimal control of differentially flat underactuated planar robots in the perspective of oscillation mitigation [0.0]
  不安定なロボットはアクチュエータよりも多くの自由度によって特徴づけられる。 この構造特性は、軽量で費用対効果の高いロボットシステムの開発を可能にする。
  論文  参考訳（メタデータ） (2026-03-16T16:55:11Z)
• ULTRA: Unified Multimodal Control for Autonomous Humanoid Whole-Body Loco-Manipulation [55.467742403416175]
  本稿では,大規模モーションキャプチャをヒューマノイドに変換する物理駆動型ニューラルネットワークを提案する。 我々は高密度参照とスパースタスク仕様の両方をサポートする統合マルチモーダルコントローラを学習する。 その結果,ULTRAは自我中心の知覚から,自律的,目標条件付き全体ロコ操作に一般化することが示された。
  論文  参考訳（メタデータ） (2026-03-03T18:59:29Z)
• Verifying Closed-Loop Contractivity of Learning-Based Controllers via Partitioning [52.23804865017831]
  本稿では,ニューラルネットワークによるパラメータ化を行う非線形制御系における閉ループ収縮の検証問題に対処する。 我々は、対称メッツラー行列の優越的固有値が非正であることを確かめるために、閉ループの縮約性に対するトラクタブルでスケーラブルな十分条件を導出する。
  論文  参考訳（メタデータ） (2025-12-01T23:06:56Z)
• Steerable Adversarial Scenario Generation through Test-Time Preference Alignment [58.37104890690234]
  対立シナリオ生成は、自律運転システムの安全性評価のためのコスト効率の良いアプローチである。 textbfSteerable textbfAdversarial scenario textbfGEnerator (SAGE) という新しいフレームワークを導入する。 SAGEは、逆境とリアリズムの間のトレードオフを、再トレーニングなしできめ細かいテストタイムコントロールを可能にします。
  論文  参考訳（メタデータ） (2025-09-24T13:27:35Z)
• Dimensionless Policies based on the Buckingham $\pi$ Theorem: Is This a Good Way to Generalize Numerical Results? [66.52698983694613]
  本稿では,バッキンガムの$pi$定理を,物理系の制御ポリシを汎用的な知識形式にエンコードするツールとして活用する。 本研究では,(1) パラメータの削減,(2) 特定のシステムに対して数値的に生成された制御ポリシを,入力変数と出力変数を適切にスケーリングすることにより,次元的に類似したシステムのサブセットに正確に転送可能であることを示す。 より複雑な高次元問題に対するポリシーを一般化するために、このアプローチがいかに実用的であるかは、まだわからないが、初期の結果は、それがaであることを示している。
  論文  参考訳（メタデータ） (2023-07-29T00:51:26Z)
• Deep Learning Approximation of Diffeomorphisms via Linear-Control Systems [91.3755431537592]
  我々は、制御に線形に依存する$dot x = sum_i=1lF_i(x)u_i$という形の制御系を考える。 対応するフローを用いて、コンパクトな点のアンサンブル上の微分同相写像の作用を近似する。
  論文  参考訳（メタデータ） (2021-10-24T08:57:46Z)

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。