マニピュレーション2026/5/1arXiv:2605.28462

高速移動物体の衝撃を考慮したコンプライアント捕捉のためのキノダイナミック軌道多様体の学習

Learning a Kinodynamic Trajectory Manifold for Impact-Aware Compliant Catching of Fast-Moving Objects

シミュレーションでの強化学習により捕捉軌道を収集し、低次元のキノダイナミック軌道多様体を学習。実行時は物体の初期状態から直接参照軌道を生成し、接触近傍ではコンプライアント制御で追従して衝撃吸収と捕捉安定性を向上させる。

詳しい要約

1. どんなもの？

- 自由飛翔する高速物体をロボットで捕球するタスクを扱う研究。 - 短い反応時間、衝撃の不確実性、kinodynamic制約が課題。 - シミュレーションで強化学習により成功捕球軌道を収集し、低次元のkinodynamic trajectory manifoldを学習。 - 実行時は推定された物体初期状態を直接参照捕球軌道に写像し、オンライン非線形最適化を不要にする。 - 接触付近ではcompliant controlで追従し、衝撃吸収と捕球安定性を高める。

2. 先行研究と比べてどこがすごい？

- 実行時にオンライン非線形最適化を必要とせず、推定初期状態から直接参照軌道へ写像する点が特徴。 - 低次元のkinodynamic trajectory manifoldを学習することで、高速捕球に必要な軌道生成を効率化。 - 接触付近でcompliant controlを用いて衝撃吸収と捕球安定性を改善する点が従来と異なる。 - 具体的な先行研究との比較は要旨からは不明。

3. 技術・手法の肝は？

- シミュレーション上で強化学習を実行し、成功した捕球軌道を収集。 - 収集した軌道から低次元のkinodynamic trajectory manifoldを学習。 - 実行時は推定された物体初期状態をmanifold上の参照捕球軌道に直接マッピング。 - オンライン非線形最適化を行わずに軌道を生成。 - 接触付近ではcompliant controlにより参照軌道を追従し、衝撃吸収と捕球安定性を向上。

4. どうやって有効だと検証した？

- 要旨からは不明。 - シミュレーションでの強化学習による軌道収集とmanifold学習が述べられているが、実機実験や評価指標の詳細は記載されていない。

5. 議論はある？

- 要旨からは不明。 - 限界や失敗事例、一般化可能性についての議論は記載されていない。

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、強化学習による捕球、kinodynamic trajectory manifold、compliant control、impact-aware manipulationが挙げられる。 - 同分野の定番として、dynamic graspingやimpact-aware robot controlの研究を読むとよい。

※ 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: Guorui Pei, Mengshi Zhang, Xi Chen, Jinsong Wu, Jiaming Qi, Peng Zhou

分類: cs.RO

原文アブストラクト

Fast catching of free-flying objects is difficult because of short reaction time, impact uncertainty, and kinodynamic constraints. We use reinforcement learning in simulation to collect successful catching trajectories and learn a low-dimensional kinodynamic trajectory manifold. At run time, the estimated object initial state is mapped directly to a reference catching trajectory without online nonlinear optimization. The trajectory is tracked with compliant control near contact for improved impact absorption and capture stability.

arXivで原文を読む →arXiv概要ページ

高速移動物体の衝撃を考慮したコンプライアント捕捉のためのキノダイナミック軌道多様体の学習

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

MINISFORUM（ミニPC）

双腕モバイルマニピュレーター OpenShell