論文の概要: CQDC-Warp: GPU-Accelerated Differentiable Quasi-Dynamic Simulation for Contact-Rich Manipulation

• arxiv url: http://arxiv.org/abs/2610.21349v1
• Date: Thu, 15 Oct 2026 06:30:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-16 19:13:16.221795
• Title: CQDC-Warp: GPU-Accelerated Differentiable Quasi-Dynamic Simulation for Contact-Rich Manipulation
• Title（参考訳）: CQDC-Warp:接触リッチマニピュレーションのためのGPU加速微分準動的シミュレーション
• Abstract要約: バッチモデル予測制御(MPC)のためのGPU加速擬似力学シミュレータCQDC-Warpを提案する。 提案手法は,計画前に対象物との接触が特定され,ソフトコストで促進されるような,接触誘導軌道最適化の研究に用いられる。 このフレームワークは17,408ドル(約1万7000円)で、Allegroのインハンドローテーションベンチマークで、CFreeが73.7%、IMPACTが65.2%(約6万5000円)で、79.8%(約7万7000円)で成功しました。
• 参考スコア（独自算出の注目度）: 21.96505602949148
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Efficient synthesis of contact-rich manipulation trajectories is essential for downstream robot learning. Gradient-based planning offers a promising approach, but jointly optimizing motion and contact decisions remains challenging. Meanwhile, many existing planners run on CPUs with limited throughput. We present CQDC-Warp, a GPU-accelerated differentiable quasi-dynamic simulator for batched model predictive control (MPC). We use it to study contact-guided trajectory optimization, in which intended robot--object contacts are specified before planning and encouraged through soft costs, while the simulated dynamics determine contact geometry and frictional response without a prescribed contact-mode schedule. Across $17{,}408$ trials on the $17$-object Allegro in-hand rotation benchmark, our framework achieves $79.8\%$ success, compared with $73.7\%$ for CFree and $65.2\%$ for IMPACT, and reduces mean trajectory-generation time by factors of $27.0$ and $50.2$, respectively. On a single NVIDIA RTX 4090 with $2{,}048$ parallel worlds, forward and backward throughput reach $2.06\times10^5$ and $2.25\times10^5$ world-steps per second, respectively. Further experiments cover manipulation with LEAP and Shadow hands, environmental contact exploitation, bimanual manipulation, whole-body control, and real-world trajectory replay on a Sharpa hand.
• Abstract（参考訳）: 下流ロボット学習において,接触リッチな操作軌跡の効率的な合成が不可欠である。 グラディエントベースのプランニングは有望なアプローチを提供するが、動きと接触の決定を共同で最適化することは依然として難しい。 一方、既存の多くのプランナは、限られたスループットでCPU上で動作する。 本稿では,バッチモデル予測制御(MPC)のためのGPUアクセラレーション可能な準力学シミュレータであるCQDC-Warpを提案する。 本研究では,ロボットと物体との接触が計画前に特定され,ソフトコストで促進されるような接触誘導軌道最適化の研究に利用し,シミュレーション力学は所定の接触モードスケジュールなしで接触形状と摩擦応答を決定する。 17$-object Allegro in-hand rotationベンチマークでの117$-408$トライアルでは、CFreeの73.7\%、IMPACTの65.2\%に対して79.8\%で成功し、平均軌道生成時間を27.0$と50.2$で削減しました。 1つのNVIDIA RTX 4090に2{,}048$並列世界があり、それぞれ2.06\times10^5$と2.25\times10^5$の世界ステップに達する。 さらなる実験では、LEAPとシャドウハンドによる操作、環境接触の活用、バイマニュアル操作、全身制御、シャーパハンドでの現実世界の軌道再生がカバーされている。

関連論文リスト

• WorldContact: A Contact-Centric World Model for Scalable Robot Learning [63.61204799366772]
  WorldContactは、変形可能なオブジェクト操作のための接触中心の世界モデルである。 原数値シミュレータよりも大きな時間ステップを用いてオブジェクトのダイナミクスを予測する。 1つのH100 GPUのステートロールアウト測定は、ソースシミュレータよりも10倍のスピードアップを示している。
  論文  参考訳（メタデータ） (2026-09-17T02:27:32Z)
• PRISM: Projection-Integrated Sampling-Based MPC with Bayesian Cost Tuning for Bimanual Manipulation [1.9669271611151167]
  乱雑で接触に富んだ環境での双方向操作には、協調した動きの生成、相互作用を考慮した計画、厳密なキネマティック制約下での信頼性の高い実行が必要である。 複雑なデュアルアーム操作のためのオンラインワールドモデルとして,GPU加速物理シミュレータを用いたプロジェクション統合サンプリングベースモデル予測制御フレームワークであるPRISMを提案する。
  論文  参考訳（メタデータ） (2026-08-26T11:47:12Z)
• $N_0$-TWAM: Scaling Tactile-Native World-Action Model for Contact-Rich Manipulation [0.0]
  我々は,将来の視覚と将来の接触の両方を予測する,接触リッチな操作のための触覚的世界行動モデルを提案する。 我々の知る限り、これは大規模に訓練された最初の触覚世界行動モデルであり、コンタクトリッチなタスクに強い能力を示す。 我々は、力に基づく統合された触覚表現であるNeoForceを使用して、アクション生成を条件とした物理的接点信号を形成する。
  論文  参考訳（メタデータ） (2026-07-26T17:58:53Z)
• OmniVTA: Visuo-Tactile World Modeling for Contact-Rich Robotic Manipulation [57.133721026727706]
  textbfOmniViTacは,16ドルのタスクと100ドル以上のオブジェクトからなる21,000ドル以上のトラジェクトリからなる大規模ビズオタクティルアクションデータセットである。 我々は4つの密結合モジュールを統合する世界モデルベースのビジュオ触覚操作フレームワークである textbf OmniVTA を提案する。
  論文  参考訳（メタデータ） (2026-03-19T17:52:42Z)
• ComFree-Sim: A GPU-Parallelized Analytical Contact Physics Engine for Scalable Contact-Rich Robotics Simulation and Control [7.095015036485825]
  相補性のない接触モデリングに基づくGPU並列解析用接触物理エンジンを提案する。 ComFree-Simは、クーロン摩擦の二重錐におけるインピーダンススタイルの予測-補正更新を通じて、接触インパルスを閉じた形で計算する。
  論文  参考訳（メタデータ） (2026-03-12T17:14:45Z)
• SimulCost: A Cost-Aware Benchmark and Toolkit for Automating Physics Simulations with LLMs [56.07550353240028]
  物理シミュレーションにおけるコスト依存パラメータチューニングをターゲットとした最初のベンチマークであるSimulCostを紹介する。 SimulCostは、LCMチューニングのコスト感受性パラメータと従来のスキャン手法の精度と計算コストを比較した。 各シミュレータのコストは解析的に定義され、プラットフォームに依存しない。
  論文  参考訳（メタデータ） (2026-03-11T05:00:48Z)
• FLARE: Robot Learning with Implicit World Modeling [87.81846091038676]
  $textbfFLARE$は、予測潜在世界モデリングをロボットポリシー学習に統合する。 $textbfFLARE$は最先端のパフォーマンスを実現し、これまでのポリシー学習のベースラインを最大26%上回っている。 この結果は、暗黙の世界モデリングと高周波ロボット制御を組み合わせた汎用的でスケーラブルなアプローチとして$textbfFLARE$を確立した。
  論文  参考訳（メタデータ） (2025-05-21T15:33:27Z)
• PlasticineLab: A Soft-Body Manipulation Benchmark with Differentiable Physics [89.81550748680245]
  PasticineLabと呼ばれる新しい微分可能な物理ベンチマークを導入する。 各タスクにおいて、エージェントはマニピュレータを使用して、プラスチックを所望の構成に変形させる。 本稿では,既存の強化学習(RL)手法と勾配に基づく手法について評価する。
  論文  参考訳（メタデータ） (2021-04-07T17:59:23Z)

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。