日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

English週刊ニュースレター購読
ロコマニピュレーションarXiv:2507.19652

RAKOMO: 四足歩行ロコマニピュレーションのための到達可能性を考慮したK次マルコフ経路最適化

RAKOMO: Reachability-Aware K-Order Markov Path Optimization for Quadrupedal Loco-Manipulation

シェア:XThreadsFacebookLINEはてブBluesky

四足歩行ロボットに搭載したアームの運動計画において、ニューラルネットで予測した到達可能性マージンをKOMOに組み込み、脚の制約を考慮しつつ勾配ベースの最適化を高速収束させる手法を提案。HyQRealとKinova Gen3によるピックアンドプレースで有効性を検証した。

詳しい要約

1. どんなもの？

- 四足歩行ロボットにロボットアームを搭載した legged manipulator 向けの経路最適化手法 RAKOMO の提案。 - K-Order Markov Optimization (KOMO) に、脚の運動学的制約を考慮した reachability margin を統合。 - 接触不連続に起因する hybrid dynamics と脚制限の無視という課題に対処し、loco-manipulation タスクを安全かつ効果的に実行することを目指す。

2. 先行研究と比べてどこがすごい？

- 従来の trajectory optimization は hybrid dynamics のため困難で、計算量の観点から計画時に脚の制限を無視しがちだった。 - RAKOMO は KOMO の枠組みを保ちつつ reachability margin を組み込み、脚の運動学的制約を明示的に考慮する点が新しい。 - 連続系向けの gradient-based motion planning の高速収束性を legged manipulator に適応できる点が利点。

3. 技術・手法の肝は？

- KOMO の標準定式化に、reachable region に基づく kinematically-aware criterion（reachability margin）を追加。 - reachability margin は neural-network で予測し、その値を最適化に組み込む。 - これにより勾配ベースの経路最適化を legged manipulator の複雑な運動学的制約下でも適用可能にする。

4. どうやって有効だと検証した？

- HyQReal 四足ロボットに Kinova Gen3 ロボットアームを搭載した系で pick-and-place タスクのシミュレーションを実施。 - ベースラインの KOMO 手法と RAKOMO を比較するベンチマークを実施。 - 具体的な評価指標や結果の数値は要旨からは不明。

5. 議論はある？

- 要旨からは不明。 - ただし、neural-network による reachability margin 予測の精度や汎化性、実機への適用可能性、計算コストなどが議論点になり得る。

6. 次に読むべき論文は？

- ベースラインとして比較されている KOMO（K-Order Markov Optimization）関連の研究。 - legged manipulator の motion planning に関する研究（例：HyQReal や Kinova Gen3 を用いた loco-manipulation 研究）。 - reachability margin や neural-network を用いた制約予測に関する研究。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Mattia Risiglione, Abdelrahman Abdalla, Victor Barasuol, Kim Tien Ly, Ioannis Havoutis, Claudio Semini

分類: cs.RO, cs.SY, eess.SY

原文アブストラクト

Legged manipulators, such as quadrupeds equipped with robotic arms, require motion planning techniques that account for their complex kinematic constraints in order to perform manipulation tasks both safely and effectively. However, trajectory optimization methods often face challenges due to the hybrid dynamics introduced by contact discontinuities, and tend to neglect leg limitations during planning for computational reasons. In this work, we propose RAKOMO, a path optimization technique that integrates the strengths of K-Order Markov Optimization (KOMO) with a kinematically-aware criterion based on the reachable region defined as reachability margin. We leverage a neural-network to predict the margin and optimize it by incorporating it in the standard KOMO formulation. This approach enables rapid convergence of gradient-based motion planning -- commonly tailored for continuous systems -- while adapting it effectively to legged manipulators, successfully executing loco-manipulation tasks. We benchmark RAKOMO against a baseline KOMO approach through a set of simulations for pick-and-place tasks with the HyQReal quadruped robot equipped with a Kinova Gen3 robotic arm.

arXivで原文を読む →arXiv概要ページ

関連論文

← 論文一覧

今週よく読まれている記事

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2GXOとApptronik、Apolloの物流現場試験を拡大　最大1,000台の展開を構想量産・展開
  3. 3newmoとKDDIが資本業務提携　2028年に堺市で自動運転タクシー商用化目指す提携・買収
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  5. 5UC BerkeleyとNVIDIAの研究者、AIエージェントでロボット制御コードを仮想環境で改善研究・技術

PR・アフィリエイト広告

FRONTIER（GPU搭載BTOパソコン）

FRONTIER（GPU搭載BTOパソコン）の公式広告バナーFRONTIERでGPU搭載PCを見る ↗
PR本紙発行元 EmplifAI
双腕モバイルマニピュレーターOpenShellの実機とお披露目フライヤー

双腕モバイルマニピュレーター OpenShell

人と働くために、顔がある。

OpenShellの特徴・実機を見る →