論文の概要: Differentiable Iterative Learning Control for Black-Box Position-Commanded Manipulators

• arxiv url: http://arxiv.org/abs/2611.01220v1
• Date: Sat, 31 Oct 2026 19:41:24 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-03 20:02:53.862471
• Title: Differentiable Iterative Learning Control for Black-Box Position-Commanded Manipulators
• Title（参考訳）: ブラックボックス位置制御マニピュレータの微分型反復学習制御
• Abstract要約: 低レベルコントローラがアクセス不能な位置制御マニピュレータでは,高精度な繰り返し追跡が困難である。 ロボット実行間の制約付きICC更新のパラメータを適応するオンラインバイレベルフレームワークであるDiff-ILCを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: High-accuracy repetitive tracking is challenging for position-commanded manipulators whose low-level controllers are inaccessible, while constrained model-based iterative learning control (ILC) can require substantial manual parameter tuning. We present Differentiable Iterative Learning Control (Diff-ILC), an online bilevel framework that adapts the parameters of a constrained ILC update between physical robot executions. A closed-loop differential model is identified once from paired smooth perturbations and subsequently kept fixed. At each trial, a constrained quadratic program computes a feasible command correction, while a real-anchored next-trial prediction defines a task-level objective. Hypergradients are obtained by implicitly differentiating the locally active KKT system, enabling multiple computational parameter updates without additional robot executions. Experiments on a 6-DoF DOBOT CR3 across unseen planar and three-dimensional trajectories show substantially faster physical-trial convergence than fixed-parameter model-based ILC. Across the four primary trajectories, after only two trial-to-trial updates, Diff-ILC achieves 78.8% and 76.4% lower mean joint-vector and Cartesian RMSE, respectively, than fixed-parameter model-based ILC.
• Abstract（参考訳）: モデルベース反復学習制御(ILC)は、手動のパラメータチューニングを必要とするが、低レベルコントローラがアクセスできない位置制御マニピュレータでは、高精度な繰り返しトラッキングが困難である。 ロボット実行間の制約付きICC更新のパラメータを適応するオンラインバイレベルフレームワークであるDiff-ILCを提案する。 閉ループ微分モデルは、ペアの滑らかな摂動から一度同定され、その後固定される。 それぞれの試行において、制約付き二次プログラムは実行可能なコマンド補正を計算し、一方、リアルタイムの次回の予測はタスクレベルの目的を定義する。 ハイパーグラディエントは、ローカルアクティブなKKTシステムを暗黙的に差別化し、追加のロボット実行なしで複数の計算パラメータの更新を可能にする。 6-DoF DOBOT CR3の平面および3次元軌道における実験は、固定パラメータモデルベースのICCよりもはるかに高速な物理的収束を示す。 4つの主要な軌道の中で、Diff-ILCは2回の試行錯誤の後、それぞれ78.8%と76.4%の低い平均ジョイントベクターとCartesian RMSEを達成した。

関連論文リスト

• Deep RL- Tuned Mo del-Free Adaptive Control for Lower-Limb Exoskeletons During Sit-to-Stand Transitions [0.6397595749616992]
  Sit-to-stand(STS)移行は、高齢者にかなりの関節装填要求を課す。 STS中の正確な軌道追跡は、複雑な時間変化のヒト外骨格相互作用のダイナミクスのために困難である。 本稿では,STS動作中の両側下肢に対するインテリジェントモデル自由適応バックステッピング戦略を提案する。
  論文  参考訳（メタデータ） (2026-06-20T13:35:47Z)
• Reinforcement Learning with Inner-loop Dynamics Estimator for Aerial Manipulation under Uncertainty [0.560928143828791]
  本稿では,Reinforcement Learning (RL) と内部ループ力学推定器を組み合わせた階層型制御フレームワークを提案する。 本研究では, 各種ペイロード条件下でのハードウェア実験により, 3DoFマニピュレータを備えたカスタム四極子に対する提案手法の有効性を検証した。
  論文  参考訳（メタデータ） (2026-06-15T12:16:01Z)
• Multi-scale Coarse-to-fine Modeling for Test-time Human Motion Control [51.92884966472683]
  MSCoTは、テストタイムの人間のモーション合成と制御のための、マルチスケールで粗い粒度モデルである。 MSCoTは動きを多スケールの階層表現に識別し、各時間スケールでトークンシーケンス全体を予測する。
  論文  参考訳（メタデータ） (2026-05-14T15:09:49Z)
• Passive iFIR filters for data-driven velocity control in robotics [2.8431237407876258]
  非線形ロボットマニピュレータの受動的・データ駆動速度制御法を提案する。 VRFTベースの設計では、データのわずか3分で受動iFIRコントローラが識別される。
  論文  参考訳（メタデータ） (2026-03-31T15:34:36Z)
• Dual-Agent Multiple-Model Reinforcement Learning for Event-Triggered Human-Robot Co-Adaptation in Decoupled Task Spaces [3.349003999623489]
  本稿では,カスタム6自由度上肢ロボットのための共有制御型リハビリテーションポリシーを提案する。 患者は二進法で一次到達方向を制御し、ロボットは自律的に矯正動作を管理する。
  論文  参考訳（メタデータ） (2026-03-06T11:15:10Z)
• Depth Completion as Parameter-Efficient Test-Time Adaptation [66.72360181325877]
  CAPAはパラメータ効率のよいテスト時間最適化フレームワークであり、深度補完のために事前訓練された3D基礎モデル(FM)を適用する。 ビデオの場合、CAPAはシーケンスレベルのパラメータ共有を導入し、時間的相関を利用して、堅牢性を改善し、複数フレームの一貫性を強制するために、すべてのフレームを共同で適用する。
  論文  参考訳（メタデータ） (2026-02-16T13:53:23Z)
• DIMM: Decoupled Multi-hierarchy Kalman Filter for 3D Object Tracking [50.038098341549095]
  状態推定は、高い操作性を持つ3次元物体追跡において困難である。 本稿では,各方向の異なる動きモデルから推定される推定を効果的に組み合わせる新しいフレームワークであるDIMMを提案する。 DIMMは既存の状態推定手法のトラッキング精度を31.61%99.23%向上させる。
  論文  参考訳（メタデータ） (2025-05-18T10:12:41Z)
• Coordinate Transformer: Achieving Single-stage Multi-person Mesh Recovery from Videos [91.44553585470688]
  ビデオから複数人の3Dメッシュを回収することは、バーチャルリアリティーや理学療法などにおけるグループ行動の自動認識に向けた重要な第一歩である。 本稿では,複数人物の時空間関係を直接モデル化し,同時にエンドツーエンドでマルチ・メッシュ・リカバリを行うコーディネート・トランスフォーマーを提案する。 3DPWデータセットの実験では、CoordFormerが最先端の精度を大幅に向上し、MPJPE、PAMPJPE、PVEの計測値でそれぞれ4.2%、8.8%、そして4.7%を上回った。
  論文  参考訳（メタデータ） (2023-08-20T18:23:07Z)
• Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching [77.133400999703]
  相関に基づくステレオマッチングは優れた性能を達成した。 固定モデルによる現在のメソッドは、さまざまなデータセットで均一に動作しない。 本稿では,ロバストなステレオマッチングのための相関を動的に計算する新しい視点を提案する。
  論文  参考訳（メタデータ） (2023-07-26T09:47:37Z)
• Value function estimation using conditional diffusion models for control [62.27184818047923]
  拡散値関数(DVF)と呼ばれる単純なアルゴリズムを提案する。 拡散モデルを用いて環境-ロボット相互作用の連成多段階モデルを学ぶ。 本稿では,DVFを用いて複数のコントローラの状態を効率よく把握する方法を示す。
  論文  参考訳（メタデータ） (2023-06-09T18:40:55Z)
• Automatic pulse-level calibration by tracking observables using iterative learning [3.7845912794054337]
  量子コンピューティングでは、制御がいくつかのパラメータに限定されている場合、不正確なモデルによるゲート誤差を効率的に洗練することができる。 本稿では,LIFT(Learning Iteratively for Feasible Tracking)と呼ばれる,量子最適制御の校正のための自動モデルベースフレームワークを提案する。 LIFTは、量子オブザーバブルの可能な軌道を正確に追跡することで、寄生的モデルの違いにもかかわらず高忠実度制御を実現する。
  論文  参考訳（メタデータ） (2023-04-24T15:22:24Z)

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。