論文の概要: Visibility-Aware Task and Motion Planning with Task-Centric Perception
- arxiv url: http://arxiv.org/abs/2611.16213v1
- Date: Thu, 12 Nov 2026 03:07:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.306039
- Title: Visibility-Aware Task and Motion Planning with Task-Centric Perception
- Title(参考訳): タスク中心認識による可視性を考慮したタスクと動作計画
- Abstract要約: 不確実性の下でのロングホライゾン操作は、ロボティクスにおいて難しい問題である。
We present ourmethod, a algorithm for Visibility-Aware Task and Motion Planning。
- 参考スコア(独自算出の注目度): 20.614333936072757
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Long-horizon manipulation under uncertainty remains a challenging problem in robotics. We present \ourmethod{}, an algorithm for Visibility-Aware Task and Motion Planning. \ourmethod{} extends existing deterministic task and motion planning solvers to partially observable object rearrangement tasks, while still being able to take advantage of the efficiency and compositional generalization over long horizons of the base solver. This extension interleaves sensing actions into a plan skeleton that assumed full observability, and uses a novel persistent object-based memory to fuse observations into object mesh hypotheses and an observed occupancy map. We evaluate \ourmethod{} on real-world tabletop rearrangement tasks which feature heavy occlusion and partial visibility and demonstrate that it outperforms baselines that do not perform active perception or have persistent memory.
- Abstract(参考訳): 不確実性の下でのロングホライゾン操作は、ロボティクスにおいて難しい問題である。
本稿では、可視性を考慮したタスクと動作計画のためのアルゴリズムである \ourmethod{} を提案する。
\ourmethod{} は、既存の決定論的タスクと運動計画解法を部分的に観測可能なオブジェクト配置タスクに拡張するとともに、ベースソルバの長い地平線上での効率性と構成的一般化を生かすことができる。
この拡張は、完全な可観測性を想定したプランスケルトンにセンサーアクションをインターリーブし、新しい永続的なオブジェクトベースのメモリを使用して、観測結果をオブジェクトメッシュ仮説と観測された占有マップに融合させる。
実世界のテーブルトップ再配置タスクにおいて,重閉塞と部分視認性を特徴とする‘ourmethod{}’の評価を行い,アクティブな知覚や永続記憶を持たないベースラインよりも優れていることを示す。
関連論文リスト
- Occluding the Solution Space: Planner-Agnostic Adversarial Attacks on Tolerance-Aware Manipulation [57.9825059129472]
本稿では, 耐障害性を考慮したアタック・フレームワークを提案する。
提案手法は,評価パラダイムを目標領域を越えたタスクレベルの実現性にシフトする。
オンラインでは、この攻撃を最大カバレッジ最適化の予算として定式化しています。
論文 参考訳(メタデータ) (2026-07-04T08:14:44Z) - GCNGrasp-VP: Affordance-Guided View Planning for Efficient Task-Oriented Grasping [5.388304847250797]
GCNGrasp-VPは、アベイランスフィールド予測とアクティブなビュープランニングを統合した効率的なフレームワークである。
本手法は,一視点調整のみで,シーン不確実性駆動ベースラインを著しく上回る。
論文 参考訳(メタデータ) (2026-06-17T13:59:19Z) - PosA-VLA: Enhancing Action Generation via Pose-Conditioned Anchor Attention [92.85371254435074]
PosA-VLAフレームワークは、ポーズ条件付き監視を通じて視覚的注意を保ち、タスク関連領域に対するモデルの認識を一貫して導く。
本手法は,多様なロボット操作ベンチマークにおいて,正確かつ時間効率のよい動作を実施できることを示す。
論文 参考訳(メタデータ) (2025-12-03T12:14:29Z) - DeLTa: Demonstration and Language-Guided Novel Transparent Object Manipulation [85.60798754284006]
DeLTaは、深度推定と6次元ポーズ推定と視覚言語計画を統合した新しいフレームワークである。
提案手法の重要な利点は,カテゴリレベルの事前訓練や追加訓練を必要とせず,新しい透明物体に6次元軌道を一般化する,単段述語法である。
論文 参考訳(メタデータ) (2025-10-07T08:18:29Z) - VSP: Assessing the dual challenges of perception and reasoning in spatial planning tasks for VLMs [102.36953558562436]
視覚言語モデル(VLM)は、エキサイティングな言語モデル(LM)のクラスである。
VLMの未調査能力の1つは、視覚空間計画である。
本研究は,これらのモデルにおける空間計画能力を概ね評価するベンチマークを提案する。
論文 参考訳(メタデータ) (2024-07-02T00:24:01Z) - Unified Task and Motion Planning using Object-centric Abstractions of
Motion Constraints [56.283944756315066]
本稿では,タスクとモーションプランニングを一つの検索に統一するTAMP手法を提案する。
我々のアプローチは、オフザシェルフAIサーチの計算効率を活用して、物理的に実現可能な計画が得られるような、オブジェクト中心の動作制約の抽象化に基づいている。
論文 参考訳(メタデータ) (2023-12-29T14:00:20Z) - LLM-State: Open World State Representation for Long-horizon Task Planning with Large Language Model [25.29170146456063]
本研究では,Large Language Model (LLM) を用いたオープンワールド家庭環境における長期タスクプランニングの問題に対処する。
既存の作業は、キーオブジェクトと属性を明示的に追跡することができない。
オブジェクト属性の連続的な拡張と更新を提供するオープンステート表現を提案する。
論文 参考訳(メタデータ) (2023-11-29T07:23:22Z) - Learning to Search in Task and Motion Planning with Streams [20.003445874753233]
ロボット工学におけるタスク計画問題と動作計画問題は、個別のタスク変数に対するシンボリック計画と、連続状態および動作変数に対する動作最適化を組み合わせたものである。
対象と事実の集合を最優先的に拡張する幾何学的情報に基づく記号プランナを提案する。
ブロックスタッキング操作タスクにおいて,このアルゴリズムを7DOFロボットアームに適用する。
論文 参考訳(メタデータ) (2021-11-25T15:58:31Z)
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。