日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

軌道最適化arXiv:2602.06864

SURE: 軌道最適化による安全な不確実性対応ロボット環境インタラクション

SURE: Safe Uncertainty-Aware Robot-Environment Interaction using Trajectory Optimization

シェア:XThreadsFacebookLINEはてブBluesky

接触タイミングの不確実性を考慮し、複数の軌道分岐と再統合を可能にする軌道最適化フレームワークを提案。カートポールと卵キャッチの実験で成功率を大幅に改善。

詳しい要約

1. どんなもの?

- 接触を伴うロボットタスク向けの軌道最適化フレームワーク SURE を提案。 - 接触タイミングの不確実性を明示的に扱う。 - 衝突前の複数状態から軌道を分岐させ、後に共有軌道へ再合流させる。 - 単一の最適化内で robustness と計算効率を両立。 - 未知の衝突時刻を持つ2タスクで評価。

2. 先行研究と比べてどこがすごい?

- 従来の定式化は接触事象を決定論的と仮定し、実環境での robustness と適応性を制限。 - SURE は接触タイミングの不確実性を明示的に考慮。 - 分岐と再合流により、nominal な定式化より大幅に robustness を向上。 - 計算効率も単一最適化内で確保。

3. 技術・手法の肝は?

- 接触タイミングの不確実性を考慮した robust trajectory optimization。 - 可能な pre-impact 状態から複数の軌道を分岐。 - 分岐した軌道を後に共有軌道へ再合流。 - これらを統一された最適化フレームワークで実現。 - 制御中の branch switching を可能にする。

4. どうやって有効だと検証した?

- 未知の衝突時刻を持つ2つの代表タスクで評価。 - cart-pole balancing: 不確実な壁位置を含む設定。 - 制御中の branch switching 有効時、成功率が平均 21.6% 向上。 - egg-catching: ロボットマニピュレータを使用。 - 成功率が 40% 向上。 - 従来の nominal 定式化と比較し robustness が大幅向上。

5. 議論はある?

- 要旨からは不明。 - 限界や失敗事例、計算コストの詳細な議論は記述されていない。

6. 次に読むべき論文は?

- 要旨で参照・比較されている研究は明示されていない。 - 関連手法として contact-implicit trajectory optimization、robust trajectory optimization、cart-pole balancing、egg-catching が挙げられる。 - 同分野の定番として trajectory optimization for contact-rich manipulation を読むべき。

※ 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: Zhuocheng Zhang, Haizhou Zhao, Xudong Sun, Aaron M. Johnson, Majid Khadiv

分類: cs.RO

原文アブストラクト

Robotic tasks involving contact interactions pose significant challenges for trajectory optimization due to discontinuous dynamics. Conventional formulations typically assume deterministic contact events, which limit robustness and adaptability in real-world settings. In this work, we propose SURE, a robust trajectory optimization framework that explicitly accounts for contact timing uncertainty. By allowing multiple trajectories to branch from possible pre-impact states and later rejoin a shared trajectory, SURE achieves both robustness and computational efficiency within a unified optimization framework. We evaluate SURE on two representative tasks with unknown impact times. In a cart-pole balancing task involving uncertain wall location, SURE achieves an average improvement of 21.6% in success rate when branch switching is enabled during control. In an egg-catching experiment using a robotic manipulator, SURE improves the success rate by 40%. These results demonstrate that SURE substantially enhances robustness compared to conventional nominal formulations.

関連論文

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2newmo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
  3. 3GXO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
  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

OZ GAMING(GPU搭載BTOゲーミングPC)

OZ GAMING(GPU搭載BTOゲーミングPC)の公式広告バナーOZ GAMINGで完成品PCを見る ↗
PR本紙発行元 EmplifAI