Topology-Driven Trajectory Optimization for Modelling Controllable Interactions Within Multi-Vehicle Scenario

投稿日: 2025年3月10日 作成者: jarxiv

要約

マルチベヒクルシナリオの軌道最適化は、非線形の非凸特性と初期値に対する感度のために課題に直面し、車両間の相互作用を制御が困難にします。
トポロジープランニングに触発されたこの論文では、相互作用をモデル化するために微分可能なローカルホモトピー不変式指標を提案します。
このトポロジーメトリックをマルチビクル軌道最適化への制約として組み込むことにより、私たちのフレームワークは、同じ初期値から複数のインタラクティブな軌跡を生成し、制御可能な相互作用を達成し、ユーザー設計の相互作用パターンをサポートすることができます。
広範な実験は、既存の方法よりも優れた最適性と効率性を示しています。
オープンソースコードをリリースして、相対的な研究を進めます。

要約(オリジナル)

Trajectory optimization in multi-vehicle scenarios faces challenges due to its non-linear, non-convex properties and sensitivity to initial values, making interactions between vehicles difficult to control. In this paper, inspired by topological planning, we propose a differentiable local homotopy invariant metric to model the interactions. By incorporating this topological metric as a constraint into multi-vehicle trajectory optimization, our framework is capable of generating multiple interactive trajectories from the same initial values, achieving controllable interactions as well as supporting user-designed interaction patterns. Extensive experiments demonstrate its superior optimality and efficiency over existing methods. We will release open-source code to advance relative research.

arxiv情報

著者 Changjia Ma,Yi Zhao,Zhongxue Gan,Bingzhao Gao,Wenchao Ding
発行日 2025-03-07 14:43:47+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 | Topology-Driven Trajectory Optimization for Modelling Controllable Interactions Within Multi-Vehicle Scenario はコメントを受け付けていません

Adaptive Neural Unscented Kalman Filter

投稿日: 2025年3月10日 作成者: jarxiv

要約

無濃縮カルマンフィルターは、非線形シナリオを処理できるアルゴリズムです。
プロセスノイズ共分散の不確実性は、フィルターの推定パフォーマンスを低下させるか、その分岐に至る可能性があります。
したがって、プロセスノイズ共分散マトリックスをリアルタイムで調整することが重要です。
この論文では、プラットフォーム操作中に時変不確実性に対処するために、適応性のある神経の無香料のカルマンフィルターを開発しました。
この目的のために、プロセスノイズ共分散マトリックスを適応的に推定するために、シンプルでありながら効率的なエンドツーエンド回帰ネットワークであるProcessNetを考案しました。
自律的な水中車両ナビゲーションの場合、非線形慣性センサーとドップラー速度ログ融合問題に焦点を当てました。
自律的な水中車両からの実際の記録されたデータセットを使用して、フィルターのパフォーマンスを実証し、他の適応型および非適応性のない非線形フィルターに対する利点を示しました。

要約(オリジナル)

The unscented Kalman filter is an algorithm capable of handling nonlinear scenarios. Uncertainty in process noise covariance may decrease the filter estimation performance or even lead to its divergence. Therefore, it is important to adjust the process noise covariance matrix in real time. In this paper, we developed an adaptive neural unscented Kalman filter to cope with time-varying uncertainties during platform operation. To this end, we devised ProcessNet, a simple yet efficient end-to-end regression network to adaptively estimate the process noise covariance matrix. We focused on the nonlinear inertial sensor and Doppler velocity log fusion problem in the case of autonomous underwater vehicle navigation. Using a real-world recorded dataset from an autonomous underwater vehicle, we demonstrated our filter performance and showed its advantages over other adaptive and non-adaptive nonlinear filters.

arxiv情報

著者 Amit Levy,Itzik Klein
発行日 2025-03-07 14:59:30+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, eess.SP | Adaptive Neural Unscented Kalman Filter はコメントを受け付けていません

Under Pressure: Altimeter-Aided ICP for 3D Maps Consistency

投稿日: 2025年3月10日 作成者: jarxiv

要約

バロメトリック圧力センサーからの高度制約を統合することにより、反復的な最も近いポイント（ICP）アルゴリズムの精度を強化する新しい方法を提案します。
ICPは、同時ローカリゼーションとマッピング（SLAM）のためにモバイルロボット工学で広く使用されていますが、特に垂直シャフトなどの制約のない環境では、ドリフトの影響を受けやすいです。
この問題に対処するために、高度計測定でICPを増強することを提案し、重力ベクトルに沿ってドリフトを確実に制約します。
SLAMでの高度測定の可能性を示すために、さまざまな圧力センサーのキャリブレーション手順とノイズ感度の分析を提供し、測定値をセンチメートルレベルの精度に改善します。
この精度を活用して、重力ベクトルに沿って高度測定を統合する新しいICP製剤を提案し、最適化の問題を3度の自由（DOF）に簡素化します。
実際の展開の実験結果は、私たちの方法が垂直ドリフトを84％減らし、非平面環境での最先端の方法と比較して全体的なローカリゼーションの精度を向上させることを示しています。

要約(オリジナル)

We propose a novel method to enhance the accuracy of the Iterative Closest Point (ICP) algorithm by integrating altitude constraints from a barometric pressure sensor. While ICP is widely used in mobile robotics for Simultaneous Localization and Mapping ( SLAM ), it is susceptible to drift, especially in underconstrained environments such as vertical shafts. To address this issue, we propose to augment ICP with altimeter measurements, reliably constraining drifts along the gravity vector. To demonstrate the potential of altimetry in SLAM , we offer an analysis of calibration procedures and noise sensitivity of various pressure sensors, improving measurements to centimeter-level accuracy. Leveraging this accuracy, we propose a novel ICP formulation that integrates altitude measurements along the gravity vector, thus simplifying the optimization problem to 3-Degree Of Freedom (DOF). Experimental results from real-world deployments demonstrate that our method reduces vertical drift by 84% and improves overall localization accuracy compared to state-of-the-art methods in non-planar environments.

arxiv情報

著者 William Dubois,Nicolas Samson,Effie Daum,Johann Laconte,François Pomerleau
発行日 2025-03-07 15:12:57+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 | Under Pressure: Altimeter-Aided ICP for 3D Maps Consistency はコメントを受け付けていません

Design, Dynamic Modeling and Control of a 2-DOF Robotic Wrist Actuated by Twisted and Coiled Actuators

投稿日: 2025年3月10日 作成者: jarxiv

要約

ロボットの手首は、産業マニピュレーターとヒューマノイドロボットの機能において極めて重要な役割を果たし、操作を促進し、タスクを把握します。
近年、高エネルギー密度、軽量構造、コンパクトなデザインを提供する技術の進歩によって推進される、ロボット手首用の人工筋肉駆動型アクチュエーターを統合することに関心が高まっています。
しかし、人工筋肉によって駆動されるロボット手首の研究では、動的なモデルベースのコントローラーは、モーション分析とロボットの動的制御にとって非常に重要性があるにもかかわらず、しばしば見落とされています。
このペーパーでは、3RRRR構成を備えた並列メカニズムを利用して、ツイストおよびコイルドアクチュエーター（TCA）によって駆動される2度（2-DOF）ロボットリストの新しいデザインを紹介します。
提案されたロボット手首は、摩擦問題を軽減しながら、軽量構造と優れた動きの性能を特徴とすることが期待されています。
手首のラグランジアン動的モデルは、軌跡追跡タスク用に設計された非線形モデル予測コントローラー（NMPC）とともに確立されています。
ロボットリストのプロトタイプが開発され、その優れたモーションパフォーマンスと提案された動的モデルを検証するために広範な実験が行われます。
その後、NMPCとPIDコントローラーの間の広範な比較実験が、さまざまな動作条件下で実施されました。
実験結果は、TCA駆動型のロボットリストのモーション制御における動的モデルベースのコントローラーの有効性と堅牢性を示しています。

要約(オリジナル)

Robotic wrists play a pivotal role in the functionality of industrial manipulators and humanoid robots, facilitating manipulation and grasping tasks. In recent years, there has been a growing interest in integrating artificial muscle-driven actuators for robotic wrists, driven by advancements in technology offering high energy density, lightweight construction, and compact designs. However, in the study of robotic wrists driven by artificial muscles, dynamic model-based controllers are often overlooked, despite their critical importance for motion analysis and dynamic control of robots. This paper presents a novel design of a two-degree-of-freedom (2-DOF) robotic wrist driven by twisted and coiled actuators (TCA) utilizing a parallel mechanism with a 3RRRR configuration. The proposed robotic wrist is expected to feature lightweight structures and superior motion performance while mitigating friction issues. The Lagrangian dynamic model of the wrist is established, along with a nonlinear model predictive controller (NMPC) designed for trajectory tracking tasks. A prototype of the robotic wrist is developed, and extensive experiments are conducted to validate its superior motion performance and the proposed dynamic model. Subsequently, extensive comparative experiments between NMPC and PID controller were conducted under various operating conditions. The experimental results demonstrate the effectiveness and robustness of the dynamic model-based controller in the motion control of TCA-driven robotic wrists.

arxiv情報

著者 Yunsong Zhang,Xinyu Zhou,Feitian Zhang
発行日 2025-03-07 15:25:37+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 | Design, Dynamic Modeling and Control of a 2-DOF Robotic Wrist Actuated by Twisted and Coiled Actuators はコメントを受け付けていません

Human-Robot Collaboration: A Non-Verbal Approach with the NAO Humanoid Robot

投稿日: 2025年3月10日 作成者: jarxiv

要約

ヒューマノイドロボット、特にNAOは、特にキッチンのような国内の環境で、人間とロボットのコラボレーションに革命をもたらす可能性があることで顕著になっています。
NAOの利点を活用して、この研究は、食事の準備タスク中に人間とロボットの相互作用を強化する上で非言語的コミュニケーションの役割を調査します。
ジェスチャー、身体の動き、視覚的な手がかりを採用することにより、NAOはユーザーにフィードバックを提供し、理解と安全性を向上させます。
私たちの研究では、NAOフィードバックとその擬人化属性に対するユーザー認識を調査しています。
調査結果は、さまざまな非言語的キューを組み合わせることでコミュニケーションの有効性が向上することを示唆していますが、完全な擬人化の類似性を達成することは依然として課題です。
この研究からの洞察は、人間とロボットのコラボレーションを改善するための将来のロボットシステムの設計を知らせます。

要約(オリジナル)

Humanoid robots, particularly NAO, are gaining prominence for their potential to revolutionize human-robot collaboration, especially in domestic settings like kitchens. Leveraging the advantages of NAO, this research explores non-verbal communications role in enhancing human-robot interaction during meal preparation tasks. By employing gestures, body movements, and visual cues, NAO provides feedback to users, improving comprehension and safety. Our study investigates user perceptions of NAO feedback and its anthropomorphic attributes. Findings suggest that combining various non-verbal cues enhances communication effectiveness, although achieving full anthropomorphic likeness remains a challenge. Insights from this research inform the design of future robotic systems for improved human-robot collaboration.

arxiv情報

著者 Maaz Qureshi,Kerstin Dautenhahn
発行日 2025-03-07 15:51:58+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 | Human-Robot Collaboration: A Non-Verbal Approach with the NAO Humanoid Robot はコメントを受け付けていません

Accelerating db-A$^\textbf{*}$ for Kinodynamic Motion Planning Using Diffusion

投稿日: 2025年3月10日 作成者: jarxiv

要約

拡散モデルを使用した運動力学的モーションプランニングのモーションプリミティブを生成するための新しいアプローチを提示します。
私たちのアプローチによって生成された動きは、問題固有のパラメーターを利用して、ソリューションをより速く、品質の向上させることにより、各問題インスタンスに適合します。
私たちのアプローチで使用される拡散モデルは、ランダムにカットされたソリューションの軌跡でトレーニングされています。
これらの軌跡は、運動力学的モーションプランナーでランダムに生成された問題インスタンスを解くことによって作成されます。
実験結果は、2次のユニサイクルやトレーラー付き車など、さまざまなロボットダイナミクス全体で、計算時間とソリューションの品質の両方で最大30％の大幅な改善を示しています。

要約(オリジナル)

We present a novel approach for generating motion primitives for kinodynamic motion planning using diffusion models. The motions generated by our approach are adapted to each problem instance by utilizing problem-specific parameters, allowing for finding solutions faster and of better quality. The diffusion models used in our approach are trained on randomly cut solution trajectories. These trajectories are created by solving randomly generated problem instances with a kinodynamic motion planner. Experimental results show significant improvements up to 30 percent in both computation time and solution quality across varying robot dynamics such as second-order unicycle or car with trailer.

arxiv情報

著者 Julius Franke,Akmaral Moldagalieva,Pia Hanfeld,Wolfgang Hönig
発行日 2025-03-07 16:08:05+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 | Accelerating db-A$^\textbf{*}$ for Kinodynamic Motion Planning Using Diffusion はコメントを受け付けていません

Uncertainty-Aware Visual-Inertial SLAM with Volumetric Occupancy Mapping

投稿日: 2025年3月10日 作成者: jarxiv

要約

まばらな再注入誤差、慣性測定単位の事前統合、および密度の高い体積占有マッピングを伴う相対的なポーズ係数を密接にカップルする視覚的な同時ローカリゼーションとマッピングを提案します。
これにより、深いニューラルネットワークからの深さの予測は、完全に確率的な方法で融合されます。
具体的には、私たちの方法は厳密に不確実性を認識しています。まず、ロボットのステレオリグからだけでなく、範囲のベースライン全体で深さ情報を提供するモーションステレオをさらに融合するため、マッピングの精度を大幅に増加させるモーションステレオをさらに確率的に融合します。
次に、予測および融合された深さの不確実性は、占有確率だけでなく、確率的非線形最小二乗推定器に入る生成された密なサブマップ間のアライメント係数にも伝播します。
このサブマップ表現は、大規模なグローバルに一貫したジオメトリを提供します。
私たちの方法は2つのベンチマークデータセットで徹底的に評価されるため、ARTの最新技術を超えるローカリゼーションとマッピングの精度が発生し、同時に、下流のロボット計画と制御にリアルタイムで使用できるボリューム測定の占有率を同時に提供します。

要約(オリジナル)

We propose visual-inertial simultaneous localization and mapping that tightly couples sparse reprojection errors, inertial measurement unit pre-integrals, and relative pose factors with dense volumetric occupancy mapping. Hereby depth predictions from a deep neural network are fused in a fully probabilistic manner. Specifically, our method is rigorously uncertainty-aware: first, we use depth and uncertainty predictions from a deep network not only from the robot’s stereo rig, but we further probabilistically fuse motion stereo that provides depth information across a range of baselines, therefore drastically increasing mapping accuracy. Next, predicted and fused depth uncertainty propagates not only into occupancy probabilities but also into alignment factors between generated dense submaps that enter the probabilistic nonlinear least squares estimator. This submap representation offers globally consistent geometry at scale. Our method is thoroughly evaluated in two benchmark datasets, resulting in localization and mapping accuracy that exceeds the state of the art, while simultaneously offering volumetric occupancy directly usable for downstream robotic planning and control in real-time.

arxiv情報

著者 Jaehyung Jung,Simon Boche,Sebastián Barbas Laina,Stefan Leutenegger
発行日 2025-03-07 16:41:17+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 | Uncertainty-Aware Visual-Inertial SLAM with Volumetric Occupancy Mapping はコメントを受け付けていません

Safe Decentralized Multi-Agent Control using Black-Box Predictors, Conformal Decision Policies, and Control Barrier Functions

投稿日: 2025年3月10日 作成者: jarxiv

要約

エージェントが不確実なブラックボックスモデルを使用して他のエージェントの軌跡を予測する分散型マルチエージェントロボット設定における安全な制御の課題に対処します。
最近提案されたコンフォーマル決定理論を使用して、観測された予測エラーに基づいて、制御バリア関数ベースの安全制約の制限性を適応させます。
これらの制約を使用して、予測エラーにもかかわらず、安全性とタスクの達成の目的とタスクの達成のバランスをとるコントローラーを合成します。
予測された軌跡に基づいた安全性の制約と、グラウンドトゥルースのものに基づく制約の間の違いの単調関数の値の平均との間の平均上の上限を提供します。
スタンフォードドローンデータセットのマルチエージェントシーンでロボットをナビゲートする際のコントローラーのパフォーマンスを示す実験結果を通じて理論を検証します。

要約(オリジナル)

We address the challenge of safe control in decentralized multi-agent robotic settings, where agents use uncertain black-box models to predict other agents’ trajectories. We use the recently proposed conformal decision theory to adapt the restrictiveness of control barrier functions-based safety constraints based on observed prediction errors. We use these constraints to synthesize controllers that balance between the objectives of safety and task accomplishment, despite the prediction errors. We provide an upper bound on the average over time of the value of a monotonic function of the difference between the safety constraint based on the predicted trajectories and the constraint based on the ground truth ones. We validate our theory through experimental results showing the performance of our controllers when navigating a robot in the multi-agent scenes in the Stanford Drone Dataset.

arxiv情報

著者 Sacha Huriot,Hussein Sibai
発行日 2025-03-07 16:42:01+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.MA, cs.RO, cs.SY, eess.SY | Safe Decentralized Multi-Agent Control using Black-Box Predictors, Conformal Decision Policies, and Control Barrier Functions はコメントを受け付けていません

A-SEE2.0: Active-Sensing End-Effector for Robotic Ultrasound Systems with Dense Contact Surface Perception Enabled Probe Orientation Adjustment

投稿日: 2025年3月10日 作成者: jarxiv

要約

従来のフリーハンド超音波（米国）イメージングは​​、オペレーターのスキルに大きく依存しており、多くの場合、一貫性のない結果と超音波検査学者に対する身体的需要の増加につながります。
ロボット超音波システム（RUSS）は、特に熟練したオペレーターへのアクセスが制限されている環境で、標準化された自動化されたイメージングソリューションを提供することにより、これらの制限に対処することを目的としています。
このペーパーでは、デュアルRGB-D深度カメラを使用して、最適な画質の重要な要因である皮膚表面に普通の米国のプローブを維持するために、デュアルRGB-D深度カメラを使用する新しいRUSSシステムの開発を紹介します。
RUSSは、RGB-Dカメラデータをロボット制御アルゴリズムと統合して、術前データなしで不均一な表面の直交プローブアラインメントを維持しています。
ファントムモデルを使用した検証テストは、システムが堅牢な通常の位置決めの精度を達成し、手動スキャンを通じて得られたものに匹敵する超音波画像を提供することを示しています。
A-SEE2.0は、平らな表面正規位置で2.47 $ {\ PM} $ 1.25度誤差を示し、12.19 $ {\ PM} $ 5.81度の通常の推定誤差を示します。
この研究は、in-in-vivo前腕超音波検査中のパフォーマンスをテストすることにより、臨床診療で使用されるA-see2.0の可能性を強調しています。

要約(オリジナル)

Conventional freehand ultrasound (US) imaging is highly dependent on the skill of the operator, often leading to inconsistent results and increased physical demand on sonographers. Robotic Ultrasound Systems (RUSS) aim to address these limitations by providing standardized and automated imaging solutions, especially in environments with limited access to skilled operators. This paper presents the development of a novel RUSS system that employs dual RGB-D depth cameras to maintain the US probe normal to the skin surface, a critical factor for optimal image quality. Our RUSS integrates RGB-D camera data with robotic control algorithms to maintain orthogonal probe alignment on uneven surfaces without preoperative data. Validation tests using a phantom model demonstrate that the system achieves robust normal positioning accuracy while delivering ultrasound images comparable to those obtained through manual scanning. A-SEE2.0 demonstrates 2.47 ${\pm}$ 1.25 degrees error for flat surface normal-positioning and 12.19 ${\pm}$ 5.81 degrees normal estimation error on mannequin surface. This work highlights the potential of A-SEE2.0 to be used in clinical practice by testing its performance during in-vivo forearm ultrasound examinations.

arxiv情報

著者 Yernar Zhetpissov,Xihan Ma,Kehan Yang,Haichong K. Zhang
発行日 2025-03-07 16:51:29+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, physics.med-ph | A-SEE2.0: Active-Sensing End-Effector for Robotic Ultrasound Systems with Dense Contact Surface Perception Enabled Probe Orientation Adjustment はコメントを受け付けていません

Learning and generalization of robotic dual-arm manipulation of boxes from demonstrations via Gaussian Mixture Models (GMMs)

投稿日: 2025年3月10日 作成者: jarxiv

要約

デモンストレーション（LFD）から学ぶことは、ロボットに人間のような方法でオブジェクトを動かして操作するように教える効果的な方法です。
これは、ペイロード容量と操作性の向上に採用されているデュアルアームを持つものなど、複雑なロボットシステムを扱う場合に特に当てはまります。
ただし、重要な課題は、学習したシナリオを超えてロボットの動きを拡大して、特定のデモンストレーションからのマイナーおよび大きなバリエーションに適応することです。
この作業では、人間のデモンストレーションから派生した学習ガウス混合モデル（GMM）パラメーター化ポリシーを適応させる学習と斬新な一般化アプローチを提案します。
私たちの方法では、少数の人間のデモのみを必要とし、デモ段階でロボットシステムの必要性を排除します。これにより、コストと時間の両方を大幅に削減できます。
一般化プロセスは、パラメーター空間で直接行われ、GMMパラメーターの低次元表現を活用します。
ガウスコンポーネントごとにパラメーターが3つしかないため、このプロセスは計算効率が高く、リクエストに応じて即時の結果をもたらします。
ボックスのデュアルアームロボット操作を含む実際の実験を通じて、アプローチを検証します。
単一のタスクの5つのデモンストレーションから始めて、当社のアプローチは、新しいターゲットの場所、オリエンテーション、ボックスサイズなど、新しい目に見えないシナリオにうまく一般的になります。
これらの結果は、複雑な操作のための方法の実用的な適用性とスケーラビリティを強調しています。

要約(オリジナル)

Learning from demonstration (LfD) is an effective method to teach robots to move and manipulate objects in a human-like manner. This is especially true when dealing with complex robotic systems, such as those with dual arms employed for their improved payload capacity and manipulability. However, a key challenge is in expanding the robotic movements beyond the learned scenarios to adapt to minor and major variations from the specific demonstrations. In this work, we propose a learning and novel generalization approach that adapts the learned Gaussian Mixture Model (GMM)-parameterized policy derived from human demonstrations. Our method requires only a small number of human demonstrations and eliminates the need for a robotic system during the demonstration phase, which can significantly reduce both cost and time. The generalization process takes place directly in the parameter space, leveraging the lower-dimensional representation of GMM parameters. With only three parameters per Gaussian component, this process is computationally efficient and yields immediate results upon request. We validate our approach through real-world experiments involving a dual-arm robotic manipulation of boxes. Starting with just five demonstrations for a single task, our approach successfully generalizes to new unseen scenarios, including new target locations, orientations, and box sizes. These results highlight the practical applicability and scalability of our method for complex manipulations.

arxiv情報

著者 Qian Ying Lee,Suhas Raghavendra Kulkarni,Kenzhi Iskandar Wong,Lin Yang,Bernardo Noronha,Yongjun Wee,Tzu-Yi Hung,Domenico Campolo
発行日 2025-03-07 17:43:27+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 | Learning and generalization of robotic dual-arm manipulation of boxes from demonstrations via Gaussian Mixture Models (GMMs) はコメントを受け付けていません