日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

マニピュレーションarXiv:2610.15763

双腕産業マニピュレーションのための時間的提案窓と改良人工ポテンシャル場を用いた競合タスク割り当て

Competitive Task Allocation with Temporal Proposal Windows and Improved Artificial Potential Fields for Dual-Arm Industrial Manipulation

シェア:XThreadsFacebookLINEはてブBluesky

双腕ロボットが視覚情報を5フレーム分評価して距離ベースで競合的にタスクを割り当て、改良人工ポテンシャル場で衝突を避けながら協調動作する枠組みを提案し、実機で速度向上と無衝突を実証した。

詳しい要約

1. どんなもの?

本論文は、dual-arm industrial manipulation 向けに、distance-based competitive task allocation と improved Artificial Potential Field (iAPF) を統合した枠組みを提案する。 - 対象: 異種物体配置の作業空間での協調マニピュレーション。 - 構成: リアルタイム視覚認識と衝突回避運動計画を統合。 - 特徴: temporal window mechanism により各アームが5連続視覚フレームで物体検出を評価し、最適な距離ベース選択を決定。 - 機能: dynamic reallocation と spatial conflict resolution を0.01m閾値精度で実現。 - 応用: industrial assembly と sorting operations への実展開を想定。

2. 先行研究と比べてどこがすごい?

既存システムは predetermined trajectories と rigid allocation strategies に依存し、作業空間利用の非最適化や衝突リスクを招く。 - 提案手法は distance-based competitive task allocation により、動的な再割り当てと空間競合解決を可能にする。 - シミュレーションで market-based、round-robin、fixed allocation 戦略に対する優位性を距離効率、衝突リスク、作業空間カバレッジで検証。 - 実機実験では fixed allocation 比で平均速度約47%改善、衝突ゼロを達成。 - 混合物体シナリオでは約11%の時間オーバーヘッドを安全性向上で相殺。

3. 技術・手法の肝は?

技術の肝は、distance-based competitive task allocation と improved Artificial Potential Field (iAPF) の統合にある。 - temporal window mechanism: 各アームが5連続視覚フレームで物体検出を評価し、距離ベースで最適選択を確定。 - dynamic reallocation と spatial conflict resolution: 0.01m閾値精度で空間競合を解決。 - iAPF: exponential goal attraction、inter-arm repulsion、home-seeking、velocity damping forces により協調 dual-arm 運動を生成。 - 知覚: YOLOv8 OBB detection を30 FPSで実行。 - 制御: 10 Hz control loops で統合。

4. どうやって有効だと検証した?

シミュレーションとハードウェア実験で有効性を検証。 - シミュレーション: market-based、round-robin、fixed allocation 戦略と比較し、距離効率、衝突リスク、作業空間カバレッジで優位性を確認。 - ハードウェア: 2台の6-DOF Kinova Gen3 Lite manipulators を使用。 - 同種物体シナリオ: fixed allocation 比で平均速度約47%改善、衝突ゼロ。 - 混合物体シナリオ: 普遍的取り扱いを確認、約11%の時間オーバーヘッドを安全性向上で相殺。 - 統合: YOLOv8 OBB detection 30 FPS と 10 Hz control loops の実展開可能性を実証。

5. 議論はある?

議論の詳細は要旨からは不明。 - 提案手法の限界や失敗ケース、計算コスト、スケーラビリティに関する議論は要旨に記載なし。 - 混合物体シナリオでの約11%時間オーバーヘッドと安全性向上のトレードオフが示唆されるが、定量的議論は要旨からは不明。 - 実環境でのロバスト性や一般化可能性に関する議論は要旨からは不明。

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を挙げる。 - market-based allocation strategies - round-robin allocation strategies - fixed allocation strategies - Artificial Potential Field (APF) 関連手法 - YOLOv8 OBB detection - Kinova Gen3 Lite manipulators を用いた dual-arm manipulation 研究 - 同分野の定番として、dual-arm motion planning や task allocation に関する一般的な研究

※ 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: Surya Prakash S. K, Bhuvan Narula, Jagannath Prasad Sahoo, Jayakumar VK, Praful Hambarde, Amit Shukla

分類: cs.RO

原文アブストラクト

Modern industrial automation demands autonomous collaborative systems capable of coordinated manipulation in workspaces with heterogeneous object arrangements. Existing systems rely on predetermined trajectories and rigid allocation strategies, causing suboptimal workspace utilization and collision risks. This paper presents a distance-based competitive task allocation framework for dual-arm systems, integrating real-time vision perception with collision-free motion planning. A temporal window mechanism enables each arm to evaluate object detections over five consecutive vision frames before committing to optimal distance-based selection, featuring dynamic reallocation and spatial conflict resolution at 0.01m threshold accuracy. An improved Artificial Potential Field (iAPF) framework provides coordinated dual-arm movements through exponential goal attraction, inter-arm repulsion, home-seeking, and velocity damping forces. Simulation results validate superiority over market-based, round-robin, and fixed allocation strategies in distance efficiency, collision risk, and workspace coverage. Hardware experiments using two 6-DOF Kinova Gen3 Lite manipulators demonstrate approximately 47% average velocity improvement over fixed allocation in homogeneous scenarios with zero collisions, while mixed object scenarios confirm universal handling with approximately 11% time overhead offset by superior safety margins. The framework integrates YOLOv8 OBB detection at 30 FPS with 10 Hz control loops, demonstrating practical deployment capability for industrial assembly and sorting operations.

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. 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