日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

移動操作/動作計画arXiv:2607.18362

FARO: 実現可能性を考慮したロボット動作最適化

FARO: Feasibility-Aware Robot Motion Optimization

シェア:XThreadsFacebookLINEはてブBluesky

接触系列の実現可能性を高速に判定し、動的に整合する軌道を生成するネスト型キノダイナミクスフレームワークを提案。LLMによる接触計画サンプリングと探索を統合し、実世界の移動操作タスクで実行可能な軌道を生成する。

詳しい要約

1. どんなもの?

- ヒューマノイドのloco-manipulationにおける新規行動の高速計画を目指す研究。 - 候補のcontact sequenceに対し、迅速なfeasibility checkingと動的に整合するtrajectory生成を行うnested kino-dynamic frameworkを提案。 - feasibility-guided tree searchとLLMベースのcontact plan samplingを統合。 - 生成trajectoryをRLベースのcontrollerで追従し、実世界で実行可能な品質を確認。

2. 先行研究と比べてどこがすごい?

- 従来の計画手法と比べ、feasibility-guided tree searchとLLMベースのcontact plan samplingを組み合わせることで探索プロセスを大幅に改善。 - 高次元・ハイブリッド・underactuatedなヒューマノイドのloco-manipulationにおける新規行動計画の課題に対処。 - 生成trajectoryがRLベースcontrollerで追従可能で、実世界実行に十分な品質であることを示した点が先行研究と異なる。

3. 技術・手法の肝は?

- nested kino-dynamic frameworkにより、候補contact sequenceに対する迅速なfeasibility checkingと動的に整合するtrajectory生成を実現。 - feasibility-guided tree searchを統合し、探索を効率化。 - LLMベースのcontact plan sampling strategyを採用し、contact planのサンプリングを改善。 - 生成trajectoryはRLベースのcontrollerで追従。

4. どうやって有効だと検証した?

- 提案フレームワークが探索プロセスを大幅に改善することを実証。 - 生成trajectoryがRLベースのcontrollerで追従可能であることを示した。 - 得られたtrajectoryが実世界のloco-manipulationシナリオで実行するのに十分な高品質であることを確認。 - 補足ビデオを公開。

5. 議論はある?

- 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は明示されていない。 - 同分野の定番として、contact planning、kino-dynamic planning、trajectory optimization、reinforcement learning for loco-manipulationに関する論文が挙げられる。

※ 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: Michal Ciebielski, Shafeef Omar, Aaron Johnson, Majid Khadiv

分類: cs.RO

原文アブストラクト

Fast planning of novel behaviors in unseen scenarios remains a fundamental challenge in robotics. The high-dimensional, hybrid, and underactuated nature of humanoid loco-manipulation continues to hinder the realization of this goal. In this paper, we address this challenge by proposing a nested kino-dynamic framework for rapid feasibility checking and dynamically consistent trajectory generation given a candidate contact sequence. By integrating this module with a feasibility-guided tree search and a Large Language Model (LLM)-based contact plan sampling strategy, we demonstrate that the proposed framework can substantially improve the search process. Furthermore, we show that the generated trajectories can be tracked using a reinforcement learning (RL)-based controller and show that the resulting trajectories are of sufficiently high quality for execution in real-world loco-manipulation scenarios. A supplementary video is available at: https://youtu.be/R6qCHoCormQ.

  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

MINISFORUM(ミニPC)

MINISFORUM(ミニPC)の公式広告バナーMINISFORUM公式ストアを見る ↗
PR本紙発行元 EmplifAI