論文の概要: Continuous-Time Motion Planning and Steering with Global Convergence

• arxiv url: http://arxiv.org/abs/2610.30607v1
• Date: Thu, 22 Oct 2026 02:15:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-24 02:08:44.188246
• Title: Continuous-Time Motion Planning and Steering with Global Convergence
• Title（参考訳）: 地球収束を考慮した連続時間運動計画とステアリング
• Abstract要約: 運動計画は、学習したプランナーや政策によって提案される動きを修正するために、ますます使用される。 我々の知る限りでは、アルゴリズムは一度もグローバルに最適な動きに確実に収束しない。 本稿では,GloMP(Global Motion Planning)を提案する。 実および合成実験において、強塩基性よりも優れた性能を示す。
• 参考スコア（独自算出の注目度）: 7.176906280023594
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Motion planning is central to robotics, and it is increasingly used to correct the motions proposed by learned planners and policies. In both uses, constraints must hold at every instant of the motion, not only at sampled times. To our knowledge, no algorithm provably converges to a globally optimal motion once a smoothness cost is combined with such constraints. We cast planning and steering as a single continuous-time program: robots avoid one another and static or moving obstacles, and a learned proposal is steered by keeping the motion close to it. The program is elementary to state, yet nonconvex. We propose GlobMP (Global Motion Planning), a gradient projection method over piecewise-polynomial curves, on which each constraint is one polynomial per piece that must stay nonnegative over the whole motion; it alternates cost reduction with feasibility restoration. Under mild assumptions, we show that, from a fine grid start, its cost approaches the global optimum as the number of polynomial pieces grows, with every constraint met to any chosen tolerance, or exactly on stable instances. We demonstrate its superior performance over strong baselines in real and synthetic experiments, including teams of up to $200$ robots, multi-robot planning on the Robotarium testbed and an extended benchmark, maze navigation, and steering tactile-reactive policies on a bimanual humanoid.
• Abstract（参考訳）: 運動計画はロボット工学の中心であり、学習したプランナーや政策によって提案される動きの修正にますます利用されている。 どちらの用途でも、制約はサンプリングされた時間だけでなく、動きのすべての瞬間に保持されなければならない。 我々の知る限りでは、スムーズなコストとそのような制約が組み合わされば、アルゴリズムがグローバルな最適運動に確実に収束することはない。 ロボットは互いに回避し、静的または動いた障害物を回避し、学習された提案は、その動きをその近くに保つことで決定される。 プログラムは初等的だが、非凸である。 本稿では,GlobMP (Global Motion Planning) を提案する。GlobMP (Global Motion Planning) は,各制約が1つの多項式であり,運動全体に対して非負でなければならない。 緩やかな仮定の下では、細い格子の開始から、そのコストは多項式の数が増加するにつれて大域的最適に近づく。 実物および合成実験における強力なベースラインよりも優れた性能を示しており、最大で200ドルのロボットのチーム、Robotariumテストベッドでのマルチロボット計画、拡張ベンチマーク、迷路ナビゲーション、およびバイマティックヒューマノイド上での触覚反応ポリシーのステアリングなどである。

関連論文リスト

• CosmoH2G: A Hand-to-Gripper Transfer Dataset and Baseline Method for Object Manipulation with Complex Spatial Movements [63.40365657068892]
  ロボットグリップに人手によるデモンストレーションを移すことは、最近、ロボット学習の費用対効果の高いソリューションとして浮上した。 このギャップに触発された我々は、きめ細かい手の動きによって導かれる暗黙的なデータ駆動アプローチを採用した。 シミュレーションと実ロボット実験の両方において、我々のフレームワークは複雑な空間操作の安定かつ高精度なハンド・トゥ・グルーパー転送を可能にする。
  論文  参考訳（メタデータ） (2026-09-07T13:47:22Z)
• Globalized Constrained Stein Variational Inference for Diverse Feasible Robot Motion Planning [11.448622437140022]
  ロボット工学では、運動サンプルは衝突回避、関節制限、接触条件、ダイナミックス整合性などの厳密な制約を満たさなければならない。 本研究では,多種多様なロボット動作サンプリングのための制約付きスタイン変分推定法であるSteinSQPを提案する。 本稿では,より高速で堅牢なアンサンブルコンバージェンスを反復的に示し,パーティクルワイズの実現性を向上し,ロボットスケールの課題に対してより高速なバッチタイム・ツー・ソリューションを実現することを示す。
  論文  参考訳（メタデータ） (2026-07-14T13:02:45Z)
• Semidefinite Relaxations for Collision-Free Motion Planning [53.160637667144876]
  C4トラジェクトリの観点で,inmathbbRn制約を通じて開始からゴールへ移動するポイントロボットに焦点をあてる。 C4トラジェクトリによる最小スナップ連続計画のプランナとしての有効性を示す。
  論文  参考訳（メタデータ） (2026-06-12T03:18:03Z)
• Real-Time and Accurate Collision-Free Teleoperation via Differentiable Constraint-Based Trajectory Planning [1.4699455652461726]
  この問題を緩和するための一般的な戦略は、最適制御に基づく軌道計画を用いて演算子の入力を強化することである。 我々は、凸最適化における双対性に基づいて、最近の微分可能な衝突回避制約の定式化を遠隔操作設定に適用する。 その結果,提案手法はより高精度な障害物モデリングを実現するとともに,計算時間を短縮できることがわかった。
  論文  参考訳（メタデータ） (2026-06-07T16:39:56Z)
• Navigating the Clutter: Waypoint-Based Bi-Level Planning for Multi-Robot Systems [54.887871365121775]
  乱雑な環境におけるマルチロボット制御は、複雑な物理的制約を伴う難しい問題である。 タスクとモーションプランニングを協調的に最適化するハイブリッドマルチロボット制御フレームワークを提案する。 我々のアプローチは、動作に依存しないベースラインとVLAベースのベースラインよりもタスクの成功を継続的に改善する。
  論文  参考訳（メタデータ） (2026-04-22T22:58:47Z)
• Vectorizing Projection in Manifold-Constrained Motion Planning for Real-Time Whole-Body Control [2.940492773889387]
  本稿では, 並列化レンズによる投影に基づく制約満足度を再考する, CPU SIMD 加速多様体制約運動プランナを提案する。 提案手法は,最先端技術に対する最大100～1000倍の高速化を実現し,リアルタイムな制約付き動作計画が実現可能となった。
  論文  参考訳（メタデータ） (2026-04-14T22:00:53Z)
• HAIC: Humanoid Agile Object Interaction Control via Dynamics-Aware World Model [56.4392302336014]
  本稿では,外部状態推定を伴わない多種多様なオブジェクトダイナミクス間のロバストな相互作用のためのフレームワークであるHAICを提案する。 我々の重要な貢献は、主観的歴史のみから高次対象状態(速度、加速度)を推定するダイナミクス予測器である。 ヒューマノイドロボットの実験では、HAICはアジャイルタスクで高い成功率を達成する。
  論文  参考訳（メタデータ） (2026-02-12T09:34:35Z)
• Simultaneous Contact-Rich Grasping and Locomotion via Distributed Optimization Enabling Free-Climbing for Multi-Limbed Robots [60.06216976204385]
  移動, 把握, 接触問題を同時に解くための効率的な運動計画フレームワークを提案する。 ハードウェア実験において提案手法を実証し, より短い計画時間で, 傾斜角45degで自由クライミングを含む様々な動作を実現できることを示す。
  論文  参考訳（メタデータ） (2022-07-04T13:52:10Z)

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。