しわなしロバスト性：並列シミュレーションと認定変形操作のためのロバストMPC

- 変形可能物体（ロープや布）の安全な操作のためのリアルタイム制御手法CORD-SLSを提案。 - 中核はGPU並列微分可能シミュレータで、接触平滑化により断続的な接触を含む勾配ベースの計画を効率化。 - モデルとセンシングの不確実性下で制約を堅牢に満たすため、リアルタイムGPU並列出力フィードバックロバストMPCを開発。 - シミュレータはモデルベースRLによるニューラル操作ポリシー訓練も加速。 - 実世界のロバスト性向上のため、conformal predictionで視覚フィードバックと知覚誤差の境界を校正し、到達可能チューブを生成して高確率安全制御を実現。 - 高次元接触リッチなロープ・布操作タスク（障害物回避、ルーティング、折り畳み、平滑化）でシミュレーションとハードウェア評価。 - ミリ秒速度の計画を達成し、安全性・速度・タスク成功率でベースラインを上回る。

- 従来の変形物体操作制御と比べ、GPU並列微分可能シミュレータと接触平滑化により、断続接触下での勾配ベース計画を効率化。 - リアルタイム出力フィードバックロバストMPCをGPU並列で実現し、モデル・センシング不確実性下での制約満足を保証。 - conformal predictionをMPCに統合し、視覚フィードバックと知覚誤差の境界を校正して到達可能チューブを生成する点が新しい。 - シミュレータがモデルベースRLの訓練を加速することを示し、シミュレーションと実機の両方で安全性・速度・成功率でベースラインを上回る。

- GPU並列微分可能シミュレータ：接触平滑化により断続接触を含む勾配計算を可能にし、効率的な計画を実現。 - リアルタイムGPU並列出力フィードバックロバストMPC：モデルとセンシングの不確実性下で制約を堅牢に満たすよう計画。 - conformal prediction：視覚フィードバックと知覚誤差の境界を校正し、到達可能チューブを生成して高確率安全制御を実現。 - モデルベースRL：シミュレータを利用してニューラル操作ポリシーを訓練し、加速。

- 高次元接触リッチなロープと布の操作タスク（障害物回避、ルーティング、折り畳み、平滑化）で評価。 - シミュレーションとハードウェアの両方で実験。 - ミリ秒速度の計画を達成し、安全性、速度、タスク成功率でベースラインを上回ることを確認。

- 要旨からは不明。

- 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、robust MPC、conformal prediction、model-based RL、differentiable simulation、deformable object manipulationの定番文献が挙げられる。