マニピュレーション2026/4/1arXiv:2604.02021

冗長ロボットの離散計画と連続実行を橋渡しするフレームワーク

Bridging Discrete Planning and Continuous Execution for Redundant Robot

冗長マニピュレータの経路計画と実行のギャップを埋めるため、離散計画側の改良とタスク優先の減衰最小二乗逆運動学を組み合わせ、計画成功率と実行品質を大幅に向上させた。

詳しい要約

1. どんなもの？

本論文は、冗長マニピュレータの経路計画において、voxel-grid強化学習（RL）による離散計画と連続実行のギャップを埋めるフレームワークを提案する。 - 対象: 7-DoFマニピュレータ - 課題: 点ごとの数値逆運動学による直接実行で生じるステップサイズのジッタ、関節の急激な遷移、特異点近傍での不安定性 - 提案: 離散プランナを変更せずに、計画側と実行側の両方で改善を行うブリッジ - 計画側: ステップ正規化された26近傍デカルト行動と幾何学的タイブレーク機構 - 実行側: task-priority damped least-squares (TP-DLS) 逆運動学層 - 効果: 密環境での計画成功率を0.58から1.00に向上、代表経路長を約1.53mから1.10mに短縮、エンドエフェクタ誤差1mm未満を維持しつつピーク関節加速度を1桁以上低減

2. 先行研究と比べてどこがすごい？

従来のvoxel-grid RLによる経路計画は、その簡便さと再現性から冗長マニピュレータに広く採用されているが、計画された離散経路を点ごとの数値逆運動学で直接実行すると、ステップサイズのジッタ、関節の急激な遷移、特異点近傍での不安定性が生じる問題があった。 - 先行研究との比較: 離散プランナ自体を変更せずに、計画側と実行側の両方にブリッジを導入する点が新しい - 計画側: ステップ正規化された26近傍デカルト行動と幾何学的タイブレークにより、不要な旋回を抑制しステップサイズ振動を排除 - 実行側: TP-DLS逆運動学層により、エンドエフェクタ位置を主タスクとし、姿勢と関節中心化をヌル空間に射影する副タスクとして扱い、信頼領域クリッピングと関節速度制約を組み合わせる - 結果: 密環境での計画成功率を0.58から1.00に向上、代表経路長を約1.53mから1.10mに短縮、エンドエフェクタ誤差1mm未満を維持しつつピーク関節加速度を1桁以上低減

3. 技術・手法の肝は？

技術や手法の肝は、離散プランナを変更せずに、計画側と実行側の両方で改善を行うブリッジフレームワークにある。 - 計画側: ステップ正規化された26近傍デカルト行動を導入し、幾何学的タイブレーク機構により不要な旋回を抑制し、ステップサイズの振動を排除する - 実行側: task-priority damped least-squares (TP-DLS) 逆運動学層を実装 - エンドエフェクタ位置を主タスクとして扱う - 姿勢と関節中心化を副タスクとしてヌル空間に射影 - 信頼領域クリッピングと関節速度制約を組み合わせる - これにより、離散計画と連続実行のギャップを埋め、冗長マニピュレータ上でのvoxelベースRL経路の連続実行品質を大幅に改善

4. どうやって有効だと検証した？

有効性の検証は、7-DoFマニピュレータを用いて、ランダムなsparse、medium、dense環境で行われた。 - 評価指標: 計画成功率、代表経路長、エンドエフェクタ誤差、ピーク関節加速度 - 結果: - 密環境での計画成功率が約0.58から1.00に向上 - 代表経路長が約1.53mから1.10mに短縮 - エンドエフェクタ誤差を1mm未満に維持 - ピーク関節加速度を1桁以上低減 - これにより、voxelベースRL経路の連続実行品質が大幅に改善されることを示した

5. 議論はある？

議論の詳細は要旨からは不明。 - 提案手法の限界や適用範囲、他のプランナやロボットへの一般化可能性については言及されていない - 計算コストやリアルタイム性、動的環境への対応についても要旨からは不明 - 比較対象となる既存手法との定量的な比較や統計的有意性についても要旨からは不明

6. 次に読むべき論文は？

要旨で参照/比較されている研究や関連手法は明示されていない。 - 関連手法: voxel-grid reinforcement learning、point-wise numerical inverse kinematics、task-priority damped least-squares (TP-DLS) inverse kinematics、null space projection、trust-region clipping - 同分野の定番: 冗長マニピュレータの経路計画におけるRRT*、CHOMP、STOMPなどの連続プランナ、および逆運動学におけるdamped least-squares (DLS) やタスク優先度制御に関する文献

※ 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: Teng Yan, Yue Yu, Yihan Liu, Bingzhuo Zhong

分類: cs.RO

原文アブストラクト

Voxel-grid reinforcement learning is widely adopted for path planning in redundant manipulators due to its simplicity and reproducibility. However, direct execution through point-wise numerical inverse kinematics on 7-DoF arms often yields step-size jitter, abrupt joint transitions, and instability near singular configurations. This work proposes a bridging framework between discrete planning and continuous execution without modifying the discrete planner itself. On the planning side, step-normalized 26-neighbor Cartesian actions and a geometric tie-breaking mechanism are introduced to suppress unnecessary turns and eliminate step-size oscillations. On the execution side, a task-priority damped least-squares (TP-DLS) inverse kinematics layer is implemented. This layer treats end-effector position as a primary task, while posture and joint centering are handled as subordinate tasks projected into the null space, combined with trust-region clipping and joint velocity constraints. On a 7-DoF manipulator in random sparse, medium, and dense environments, this bridge raises planning success in dense scenes from about 0.58 to 1.00, shortens representative path length from roughly 1.53 m to 1.10 m, and while keeping end-effector error below 1 mm, reduces peak joint accelerations by over an order of magnitude, substantially improving the continuous execution quality of voxel-based RL paths on redundant manipulators.

arXivで原文を読む →arXiv概要ページ

冗長ロボットの離散計画と連続実行を橋渡しするフレームワーク

詳しい要約

1. どんなもの？

2. 先行研究と比べてどこがすごい？

3. 技術・手法の肝は？

4. どうやって有効だと検証した？

5. 議論はある？

6. 次に読むべき論文は？

原文アブストラクト

関連論文

今週よく読まれている記事

FRONTIER（GPU搭載BTOパソコン）

双腕モバイルマニピュレーター OpenShell