SkillMimic: Learning Basketball Interaction Skills from Demonstrations

投稿日: 2025年3月31日 作成者: jarxiv

要約

人間とオブジェクトの相互作用のための従来の強化学習方法（HOI）は、さまざまな相互作用で十分に一般化されない労働集約的で手動で設計されたスキル報酬に依存しています。
スキルマイミックは、スキル固有の報酬の必要性を排除することにより、エージェントがインタラクションスキルを習得する方法を根本的に変える統一されたデータ駆動型フレームワークを紹介します。
私たちの重要な洞察は、統一されたHOI模倣報酬がHOIデータセットからの多様な相互作用パターンの本質を効果的に捉えることができるということです。
これにより、SkillMimicは、複数のインタラクションスキルを習得するだけでなく、スキルの移行を促進する単一のポリシーを学習できます。
評価のために、約35分の多様なバスケットボールスキルを含む2つのバスケットボールデータセットを収集して紹介します。
広範な実験では、SkillMimicがドリブル、レイアップ、撮影の文体的なバリエーションなど、幅広いバスケットボールスキルをマスターすることが示されています。
さらに、これらの学習スキルは、高レベルのコントローラーによって効果的に構成され、連続したスコアリング、スケーラブルで一般化可能な相互作用スキル学習の新しい可能性を開くなどの複雑で長期のタスクを達成できます。
プロジェクトページ：https：//ingrid789.github.io/skillmimic/

要約(オリジナル)

Traditional reinforcement learning methods for human-object interaction (HOI) rely on labor-intensive, manually designed skill rewards that do not generalize well across different interactions. We introduce SkillMimic, a unified data-driven framework that fundamentally changes how agents learn interaction skills by eliminating the need for skill-specific rewards. Our key insight is that a unified HOI imitation reward can effectively capture the essence of diverse interaction patterns from HOI datasets. This enables SkillMimic to learn a single policy that not only masters multiple interaction skills but also facilitates skill transitions, with both diversity and generalization improving as the HOI dataset grows. For evaluation, we collect and introduce two basketball datasets containing approximately 35 minutes of diverse basketball skills. Extensive experiments show that SkillMimic successfully masters a wide range of basketball skills including stylistic variations in dribbling, layup, and shooting. Moreover, these learned skills can be effectively composed by a high-level controller to accomplish complex and long-horizon tasks such as consecutive scoring, opening new possibilities for scalable and generalizable interaction skill learning. Project page: https://ingrid789.github.io/SkillMimic/

arxiv情報

著者 Yinhuai Wang,Qihan Zhao,Runyi Yu,Hok Wai Tsui,Ailing Zeng,Jing Lin,Zhengyi Luo,Jiwen Yu,Xiu Li,Qifeng Chen,Jian Zhang,Lei Zhang,Ping Tan
発行日 2025-03-28 08:56:06+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.CV, cs.GR, cs.LG, cs.RO | SkillMimic: Learning Basketball Interaction Skills from Demonstrations はコメントを受け付けていません

CRLLK: Constrained Reinforcement Learning for Lane Keeping in Autonomous Driving

投稿日: 2025年3月31日 作成者: jarxiv

要約

自律運転システムに維持するには、さまざまな目的でシナリオ固有の重量調整が必要です。
レーン維持を制約された強化学習問題として定式化します。ここでは、体重係数がポリシーとともに自動的に学習され、シナリオ固有のチューニングの必要性を排除します。
経験的に、私たちのアプローチは、効率と信頼性の従来のRLを上回っています。
さらに、実際のデモンストレーションは、現実世界の自律運転の実用的な価値を検証します。

要約(オリジナル)

Lane keeping in autonomous driving systems requires scenario-specific weight tuning for different objectives. We formulate lane-keeping as a constrained reinforcement learning problem, where weight coefficients are automatically learned along with the policy, eliminating the need for scenario-specific tuning. Empirically, our approach outperforms traditional RL in efficiency and reliability. Additionally, real-world demonstrations validate its practical value for real-world autonomous driving.

arxiv情報

著者 Xinwei Gao,Arambam James Singh,Gangadhar Royyuru,Michael Yuhas,Arvind Easwaran
発行日 2025-03-28 08:59:02+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.LG, cs.RO, I.2.11 | CRLLK: Constrained Reinforcement Learning for Lane Keeping in Autonomous Driving はコメントを受け付けていません

FLAM: Foundation Model-Based Body Stabilization for Humanoid Locomotion and Manipulation

投稿日: 2025年3月31日 作成者: jarxiv

要約

ヒューマノイドロボットは、近年大きな注目を集めています。
補強学習（RL）は、ヒューマノイドロボットの全身を制御する主な方法の1つです。
RLにより、エージェントは、タスクの報酬によって導かれた環境インタラクションから学習することにより、タスクを完了できます。
ただし、既存のRLメソッドは、ヒューマノイドの移動と操作に対する身体の安定性の影響を明示的に考慮することはめったにありません。
全身制御で高性能を達成することは、タスク報酬のみに依存するRLメソッドにとって課題のままです。
この論文では、ヒューマノイドの移動と操作のための基礎モデルベースの方法（略してFLAM）を提案します。
FLAMは、安定化報酬機能を基本的なポリシーと統合します。
安定化報酬機能は、ロボットが安定した姿勢を学習するように促すように設計されており、それにより学習プロセスを加速し、タスクの完了を促進します。
具体的には、ロボットのポーズは、最初に3D仮想ヒューマンモデルにマッピングされます。
次に、人間のポーズが安定し、人間の運動再構成モデ​​ルを通じて再構築されます。
最後に、再建の前後のポーズを使用して、安定化報酬を計算するために使用されます。
この安定化報酬とタスク報酬を組み合わせることにより、FLAMは政策学習を効果的に導きます。
ヒューマノイドロボットベンチマークの実験結果は、FLAMが最先端のRLメソッドよりも優れていることを示しており、安定性と全体的なパフォーマンスの向上におけるその有効性を強調しています。

要約(オリジナル)

Humanoid robots have attracted significant attention in recent years. Reinforcement Learning (RL) is one of the main ways to control the whole body of humanoid robots. RL enables agents to complete tasks by learning from environment interactions, guided by task rewards. However, existing RL methods rarely explicitly consider the impact of body stability on humanoid locomotion and manipulation. Achieving high performance in whole-body control remains a challenge for RL methods that rely solely on task rewards. In this paper, we propose a Foundation model-based method for humanoid Locomotion And Manipulation (FLAM for short). FLAM integrates a stabilizing reward function with a basic policy. The stabilizing reward function is designed to encourage the robot to learn stable postures, thereby accelerating the learning process and facilitating task completion. Specifically, the robot pose is first mapped to the 3D virtual human model. Then, the human pose is stabilized and reconstructed through a human motion reconstruction model. Finally, the pose before and after reconstruction is used to compute the stabilizing reward. By combining this stabilizing reward with the task reward, FLAM effectively guides policy learning. Experimental results on a humanoid robot benchmark demonstrate that FLAM outperforms state-of-the-art RL methods, highlighting its effectiveness in improving stability and overall performance.

arxiv情報

著者 Xianqi Zhang,Hongliang Wei,Wenrui Wang,Xingtao Wang,Xiaopeng Fan,Debin Zhao
発行日 2025-03-28 09:02:32+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.LG, cs.RO | FLAM: Foundation Model-Based Body Stabilization for Humanoid Locomotion and Manipulation はコメントを受け付けていません

Robust simultaneous UWB-anchor calibration and robot localization for emergency situations

投稿日: 2025年3月31日 作成者: jarxiv

要約

この作業では、因子グラフ最適化（FGO）フレームワークを提案して、ウルトラワイドバンド（UWB）アンカーのキャリブレーション問題とロボットのローカリゼーション問題を同時に解決します。
UWBアンカーを手動で調整することは、特別なキャリブレーションツールなしで緊急事態やそのような状況では時間がかかり、不可能になる可能性があります。
したがって、アンカー位置の自動推定が必要になります。
提案された方法により、UWBネットワーク内のアンカーの位置情報を提供するソフトセンサーの作成が可能になります。
このソフトセンサーには、動いているロボットから測定されたUWBおよびLIDAR測定のみが必要です。
提案されたFGOフレームワークは、拡張可能な大型UWBネットワークのキャリブレーションに適しています。
さらに、アンカーキャリブレーションの問題とロボットのローカリゼーションの問題は同時に解決でき、UWBネットワークの展開の時間を節約できます。
提案されたフレームワークは、UWB-Anchorの位置推定における人工的なエラーを回避し、ロボットポーズの精度と堅牢性を向上させるのにも役立ちます。
3D環境でのLIDARとUWBネットワークを使用したロボットローカリゼーションの実験結果について説明し、提案された方法のパフォーマンスを示します。
より具体的には、4つのアンカーとロボットのローカリゼーションの問題を備えたアンカーキャリブレーションの問題は、提案されたフレームワークによって30秒以内に同時に自動的に解決できます。
補足ビデオとコードは、https：//github.com/liuxhrobotai/simultaneous_calibration_localizationからアクセスできます。

要約(オリジナル)

In this work, we propose a factor graph optimization (FGO) framework to simultaneously solve the calibration problem for Ultra-WideBand (UWB) anchors and the robot localization problem. Calibrating UWB anchors manually can be time-consuming and even impossible in emergencies or those situations without special calibration tools. Therefore, automatic estimation of the anchor positions becomes a necessity. The proposed method enables the creation of a soft sensor providing the position information of the anchors in a UWB network. This soft sensor requires only UWB and LiDAR measurements measured from a moving robot. The proposed FGO framework is suitable for the calibration of an extendable large UWB network. Moreover, the anchor calibration problem and robot localization problem can be solved simultaneously, which saves time for UWB network deployment. The proposed framework also helps to avoid artificial errors in the UWB-anchor position estimation and improves the accuracy and robustness of the robot-pose. The experimental results of the robot localization using LiDAR and a UWB network in a 3D environment are discussed, demonstrating the performance of the proposed method. More specifically, the anchor calibration problem with four anchors and the robot localization problem can be solved simultaneously and automatically within 30 seconds by the proposed framework. The supplementary video and codes can be accessed via https://github.com/LiuxhRobotAI/Simultaneous_calibration_localization.

arxiv情報

著者 Xinghua Liu,Ming Cao
発行日 2025-03-28 09:41:05+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.RO | Robust simultaneous UWB-anchor calibration and robot localization for emergency situations はコメントを受け付けていません

Continuous-Time State Estimation Methods in Robotics: A Survey

投稿日: 2025年3月31日 作成者: jarxiv

要約

さまざまなプラットフォームと複雑さのタスクが成長し続けているため、ロボット工学では、正確で効率的で堅牢な状態推定がこれまで以上に重要です。
歴史的には、離散時間フィルターとスムーザーが支配的なアプローチであり、推定変数は離散サンプル時間の状態です。
連続時間状態推定のパラダイムは、状態を時間の連続関数として表現する変数を推定することにより、代替戦略を提案します。
これは、計画や制御などの下流のタスクに利益をもたらすだけでなく、推定器のパフォーマンスと柔軟性を大幅に向上させるとともに、センサーの前処理とインターフェースの複雑さを減らします。
それにもかかわらず、継続的な時間は、ロボット工学内であまり知られていないため、継続的な時間は十分に活用されていないままです。
これを改善するために、この作業は、これらの方法の統一定式化と、これまでの最も徹底的な文献レビューを提示し、方法論、アプリケーション、状態変数、歴史的文脈、およびフィールドへの理論的貢献によって以前の研究を体系的に分類します。
スプラインとガウスのプロセスを一緒に調査し、他の研究ドメインからの作品を文脈化することにより、この作業は継続的な状態推定で開かれた問題を特定して分析し、新しい研究の方向性を示唆しています。

要約(オリジナル)

Accurate, efficient, and robust state estimation is more important than ever in robotics as the variety of platforms and complexity of tasks continue to grow. Historically, discrete-time filters and smoothers have been the dominant approach, in which the estimated variables are states at discrete sample times. The paradigm of continuous-time state estimation proposes an alternative strategy by estimating variables that express the state as a continuous function of time, which can be evaluated at any query time. Not only can this benefit downstream tasks such as planning and control, but it also significantly increases estimator performance and flexibility, as well as reduces sensor preprocessing and interfacing complexity. Despite this, continuous-time methods remain underutilized, potentially because they are less well-known within robotics. To remedy this, this work presents a unifying formulation of these methods and the most exhaustive literature review to date, systematically categorizing prior work by methodology, application, state variables, historical context, and theoretical contribution to the field. By surveying splines and Gaussian processes together and contextualizing works from other research domains, this work identifies and analyzes open problems in continuous-time state estimation and suggests new research directions.

arxiv情報

著者 William Talbot,Julian Nubert,Turcan Tuna,Cesar Cadena,Frederike Dümbgen,Jesus Tordesillas,Timothy D. Barfoot,Marco Hutter
発行日 2025-03-28 10:23:47+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.RO | Continuous-Time State Estimation Methods in Robotics: A Survey はコメントを受け付けていません

Grasping a Handful: Sequential Multi-Object Dexterous Grasp Generation

投稿日: 2025年3月31日 作成者: jarxiv

要約

ロボットハンドの部分的な自由度（DOF）を使用して、多様なオブジェクトの安定したグラスを堅牢に合成できる、シーケンシャルマルチオブジェクトロボットグラスサンプリングアルゴリズムSeqGraspを導入します。
SEQGRASPを使用して、大規模なAllegroハンドシーケンシャルグレーシングデータセットseqdatasetを構築し、拡散ベースのシーケンシャルグラスジェネレーターSeqdiffuserのトレーニングに使用します。
シミュレーションおよび実際のロボットで、最先端の非採点マルチオブジェクトグラスグラスグラスグラスメソッドMultigraspに対してSeqgraspとSeqdiffuserを実験的に評価します。
実験結果は、SeqgraspとSeqdiffuserがMultiGraspよりも8.71％-43.33％上昇した成功率に達することを示しています。
さらに、seqdiffuserは、seqgraspおよびmultigraspよりも、把握の生成が約1000倍高速です。

要約(オリジナル)

We introduce the sequential multi-object robotic grasp sampling algorithm SeqGrasp that can robustly synthesize stable grasps on diverse objects using the robotic hand’s partial Degrees of Freedom (DoF). We use SeqGrasp to construct the large-scale Allegro Hand sequential grasping dataset SeqDataset and use it for training the diffusion-based sequential grasp generator SeqDiffuser. We experimentally evaluate SeqGrasp and SeqDiffuser against the state-of-the-art non-sequential multi-object grasp generation method MultiGrasp in simulation and on a real robot. The experimental results demonstrate that SeqGrasp and SeqDiffuser reach an 8.71%-43.33% higher grasp success rate than MultiGrasp. Furthermore, SeqDiffuser is approximately 1000 times faster at generating grasps than SeqGrasp and MultiGrasp.

arxiv情報

著者 Haofei Lu,Yifei Dong,Zehang Weng,Jens Lundell,Danica Kragic
発行日 2025-03-28 12:24:26+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.LG, cs.RO | Grasping a Handful: Sequential Multi-Object Dexterous Grasp Generation はコメントを受け付けていません

Collapse and Collision Aware Grasping for Cluttered Shelf Picking

投稿日: 2025年3月31日 作成者: jarxiv

要約

倉庫環境での積み重ねられたオブジェクトの効率的かつ安全な検索は、複雑な空間的依存関係と構造間依存性のために重要な課題です。
従来のビジョンベースの方法は、オブジェクトのローカリゼーションに優れていますが、抽出の結果を予測するために必要な物理的推論が欠けていることが多く、意図しない衝突と崩壊につながります。
このペーパーでは、ロボットの意思決定のための動的な物理シミュレーションを統合する崩壊と衝突の認識把握プランナーを提案します。
単一の画像と深度マップを使用して、シーンのおおよその3D表現がシミュレーション環境で再構築され、ロボットが実行前に異なる検索戦略を評価できるようになります。
2つのアプローチ1）ヒューリスティックベースと2）シングルボックス抽出および棚クリアランスタスクの両方に物理ベースが提案されています。
既存のデータベースからのデータセットを使用した検証とともに、構造化されていないボックススタックと非構造化ボックススタックに関する広範な実世界の実験は、ベースラインヒューリスティックと比較して、物理学を認識する方法が効率と成功率を大幅に改善することを示しています。

要約(オリジナル)

Efficient and safe retrieval of stacked objects in warehouse environments is a significant challenge due to complex spatial dependencies and structural inter-dependencies. Traditional vision-based methods excel at object localization but often lack the physical reasoning required to predict the consequences of extraction, leading to unintended collisions and collapses. This paper proposes a collapse and collision aware grasp planner that integrates dynamic physics simulations for robotic decision-making. Using a single image and depth map, an approximate 3D representation of the scene is reconstructed in a simulation environment, enabling the robot to evaluate different retrieval strategies before execution. Two approaches 1) heuristic-based and 2) physics-based are proposed for both single-box extraction and shelf clearance tasks. Extensive real-world experiments on structured and unstructured box stacks, along with validation using datasets from existing databases, show that our physics-aware method significantly improves efficiency and success rates compared to baseline heuristics.

arxiv情報

著者 Abhinav Pathak,Rajkumar Muthusamy
発行日 2025-03-28 13:42:54+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.RO | Collapse and Collision Aware Grasping for Cluttered Shelf Picking はコメントを受け付けていません

Control of Humanoid Robots with Parallel Mechanisms using Kinematic Actuation Models

投稿日: 2025年3月31日 作成者: jarxiv

要約

Cassieの機械的設計に触発されて、最近リリースされたいくつかのヒューマノイドロボットは、脚の慣性を最適化するためにジョイントの位置からモーターが変位するアクチュエータ構成を使用しています。
これにより、ロボットの動きを計算するときにしばしば無視され（軌道の最適化または補強学習による）、導入時にのみ考慮される伝送の還元比に非線形性が誘導されます。
このペーパーでは、この非線形性を効率的に処理する分析方法を提案します。
この作動モデルを使用して、モーター機能やジョイント範囲を近似せずに、脚の主要なシリアルチェーンの慣性のみをモデル化しながら、非線形透過の動的能力を活用できることを実証します。
分析的逆運動学に基づいて、私たちの方法では、閉じた技術作動に特化した数値ルーチンは必要ありません。したがって、非常に効率的な計算につながります。
私たちの研究は、最近のヒューマノイドロボットで広く使用されている2つのメカニズムに焦点を当てています。
4 bar膝のリンケージと平行2 dof足首メカニズム。
これらのモデルを最適化ベース（DDP）および学習（PPO）制御アプローチ内に統合します。
閉じたチェーンを完全に無視する単純化されたモデルとのモデルとの比較は、シミュレーションで示されます。

要約(オリジナル)

Inspired by the mechanical design of Cassie, several recently released humanoid robots are using actuator configuration in which the motor is displaced from the joint location to optimize the leg inertia. This in turn induces a non linearity in the reduction ratio of the transmission which is often neglected when computing the robot motion (e.g. by trajectory optimization or reinforcement learning) and only accounted for at control time. This paper proposes an analytical method to efficiently handle this non-linearity. Using this actuation model, we demonstrate that we can leverage the dynamic abilities of the non-linear transmission while only modeling the inertia of the main serial chain of the leg, without approximating the motor capabilities nor the joint range. Based on analytical inverse kinematics, our method does not need any numerical routines dedicated to the closed-kinematics actuation, hence leading to very efficient computations. Our study focuses on two mechanisms widely used in recent humanoid robots; the four bar knee linkage as well as a parallel 2 DoF ankle mechanism. We integrate these models inside optimization based (DDP) and learning (PPO) control approaches. A comparison of our model against a simplified model that completely neglects closed chains is then shown in simulation.

arxiv情報

著者 Victor Lutz,Ludovic de Matteïs,Virgile Batto,Nicolas Mansard
発行日 2025-03-28 14:13:00+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.RO, cs.SY, eess.SY | Control of Humanoid Robots with Parallel Mechanisms using Kinematic Actuation Models はコメントを受け付けていません

Non-Prehensile Tool-Object Manipulation by Integrating LLM-Based Planning and Manoeuvrability-Driven Controls

投稿日: 2025年3月31日 作成者: jarxiv

要約

ツールを装備する能力はかつて人間の知性に排他的であると考えられていましたが、現在、カラスのような他の多くの動物がこの能力を持っていることが知られています。
しかし、ロボットシステムはまだ生物学的器用さの一致には至らない。
このホワイトペーパーでは、非摂食ツールベースの操作タスクに大規模な言語モデル（LLM）、ツールアフォーダンス、およびオブジェクト操作可能性の使用を調査します。
私たちの斬新な方法は、シーン情報と自然言語の指示に基づいてLLMを活用して、ツールオブジェクト操作の象徴的なタスク計画を可能にします。
このアプローチにより、システムは人間の言語文を一連の実行可能な動き関数に変換できます。
視覚的なフィードバックから派生した新しいツールアフォーダンスモデルを使用して、新しいマネーブリビリティ駆動型コントローラーを開発しました。
このコントローラーは、限られた領域内であっても、ステッピングインクリメンタルアプローチを使用して、ロボットのツール利用および操作アクションを導くのに役立ちます。
提案された方法論は、さまざまな操作シナリオの下でその有効性を証明するために実験で評価されます。

要約(オリジナル)

The ability to wield tools was once considered exclusive to human intelligence, but it’s now known that many other animals, like crows, possess this capability. Yet, robotic systems still fall short of matching biological dexterity. In this paper, we investigate the use of Large Language Models (LLMs), tool affordances, and object manoeuvrability for non-prehensile tool-based manipulation tasks. Our novel method leverages LLMs based on scene information and natural language instructions to enable symbolic task planning for tool-object manipulation. This approach allows the system to convert the human language sentence into a sequence of feasible motion functions. We have developed a novel manoeuvrability-driven controller using a new tool affordance model derived from visual feedback. This controller helps guide the robot’s tool utilization and manipulation actions, even within confined areas, using a stepping incremental approach. The proposed methodology is evaluated with experiments to prove its effectiveness under various manipulation scenarios.

arxiv情報

著者 Hoi-Yin Lee,Peng Zhou,Anqing Duan,Wanyu Ma,Chenguang Yang,David Navarro-Alarcon
発行日 2025-03-28 14:19:33+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.RO | Non-Prehensile Tool-Object Manipulation by Integrating LLM-Based Planning and Manoeuvrability-Driven Controls はコメントを受け付けていません

A Centralized Planning and Distributed Execution Method for Shape Filling with Homogeneous Mobile Robots

投稿日: 2025年3月31日 作成者: jarxiv

要約

自然はさまざまな方法で人間に影響を与えてきました。
動物の形成挙動は、個々の能力を超えるタスクを実行できます。
たとえば、陸軍のアリは橋を形成することで横断的な隙間があり、魚は捕食者から身を守るためにグループ化することができます。
パターン形成タスクは、通常、集団操作やさまざまな環境への適応など、下流タスクの初期構成として機能するため、マルチエージェントロボットシステムで不可欠です。
複雑な形状、特に中空の形の形成は、未解決の問題のままです。
従来のアプローチでは、各ロボットのグローバル座標を必要とするか、累積局在エラーのために穴を閉じようとすると障害が発生しやすくなります。
Kilobotチームによって追加の自己組織化アルゴリズムで導入されたリボンのアイデアに触発されて、グローバル座標情報を必要としない2段階のアルゴリズムを開発し、穴のある形状を効果的に形成します。
このホワイトペーパーでは、六角形格子設定でリボンを使用して形状の分割を調査し、リボン構造によって誘導される動きシーケンスに基づいてアドバクトアルゴリズムを提案します。
この進歩は、複雑な構造を含む医療用途向けのナノボットの組み立てや、関心のある領域に沿ったロボットの展開など、複雑なパターン形成を必要とするタスクへの扉を開きます。
また、複雑な形状、堅牢性の分析、および提案されたアルゴリズムの正確性の証明に関するシミュレーション結果を提供します。

要約(オリジナル)

Nature has inspired humans in different ways. The formation behavior of animals can perform tasks that exceed individual capability. For example, army ants could transverse gaps by forming bridges, and fishes could group up to protect themselves from predators. The pattern formation task is essential in a multiagent robotic system because it usually serves as the initial configuration of downstream tasks, such as collective manipulation and adaptation to various environments. The formation of complex shapes, especially hollow shapes, remains an open question. Traditional approaches either require global coordinates for each robot or are prone to failure when attempting to close the hole due to accumulated localization errors. Inspired by the ribbon idea introduced in the additive self-assembly algorithm by the Kilobot team, we develop a two-stage algorithm that does not require global coordinates information and effectively forms shapes with holes. In this paper, we investigate the partitioning of the shape using ribbons in a hexagonal lattice setting and propose the add-subtract algorithm based on the movement sequence induced by the ribbon structure. This advancement opens the door to tasks requiring complex pattern formations, such as the assembly of nanobots for medical applications involving intricate structures and the deployment of robots along the boundaries of areas of interest. We also provide simulation results on complex shapes, an analysis of the robustness as well as a proof of correctness of the proposed algorithm.

arxiv情報

著者 Shuqing Liu,Rong Su,Karl H. Johansson
発行日 2025-03-28 15:28:04+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.RO, cs.SY, eess.SY | A Centralized Planning and Distributed Execution Method for Shape Filling with Homogeneous Mobile Robots はコメントを受け付けていません