TeleOpBench: A Simulator-Centric Benchmark for Dual-Arm Dexterous Teleoperation

投稿日: 2025年5月20日 作成者: jarxiv

要約

テレオ操作は、具体化されたロボット学習の基礎であり、特にバイマニュアルな器用なテレオ操作は、完全に自律的なシステムで入手するのが難しい豊富なデモンストレーションを提供します。
最近の研究では、慣性モーションキャプチャグローブから外骨格やビジョンベースのインターフェースまで、多様なハードウェアパイプラインが提案されていますが、これらのシステムの公正で再現性のある比較を可能にする統一されたベンチマークはまだありません。
このペーパーでは、両マニュアルの器用なテレオ操作に合わせたシミュレーター中心のベンチマークであるTeleopbenchを紹介します。
Teleopbenchには、幅広いスペクトルの運動学的および力相互作用の難易度をカバーする、ピックアンドプレイス、ツールの使用、および共同操作にまたがる30の高忠実度タスク環境が含まれています。
このベンチマーク内で、4つの代表的なテレオ操作モダリティを実装します（i）MoCap、（ii）VRデバイス、（iii）腕の手骨型、および（iv）単眼視力視力追跡と評価し、共通のプロトコルとメトリックスイートで評価します。
シミュレーションのパフォーマンスが実際の動作を予測することを検証するために、2つの6ドフの器用な手を備えた物理的なデュアルアームプラットフォームでミラーリングされた実験を実施します。
10個の保有タスクで、シミュレーターとハードウェアパフォーマンスの間に強い相関関係が観察され、テレオプベンチの外部妥当性が確認されます。
Teleopbenchは、テレオ操作研究のための一般的な基準を確立し、将来のアルゴリズムとハードウェアの革新のための拡張可能なプラットフォームを提供します。

要約(オリジナル)

Teleoperation is a cornerstone of embodied-robot learning, and bimanual dexterous teleoperation in particular provides rich demonstrations that are difficult to obtain with fully autonomous systems. While recent studies have proposed diverse hardware pipelines-ranging from inertial motion-capture gloves to exoskeletons and vision-based interfaces-there is still no unified benchmark that enables fair, reproducible comparison of these systems. In this paper, we introduce TeleOpBench, a simulator-centric benchmark tailored to bimanual dexterous teleoperation. TeleOpBench contains 30 high-fidelity task environments that span pick-and-place, tool use, and collaborative manipulation, covering a broad spectrum of kinematic and force-interaction difficulty. Within this benchmark we implement four representative teleoperation modalities-(i) MoCap, (ii) VR device, (iii) arm-hand exoskeletons, and (iv) monocular vision tracking-and evaluate them with a common protocol and metric suite. To validate that performance in simulation is predictive of real-world behavior, we conduct mirrored experiments on a physical dual-arm platform equipped with two 6-DoF dexterous hands. Across 10 held-out tasks we observe a strong correlation between simulator and hardware performance, confirming the external validity of TeleOpBench. TeleOpBench establishes a common yardstick for teleoperation research and provides an extensible platform for future algorithmic and hardware innovation.

arxiv情報

著者 Hangyu Li,Qin Zhao,Haoran Xu,Xinyu Jiang,Qingwei Ben,Feiyu Jia,Haoyu Zhao,Liang Xu,Jia Zeng,Hanqing Wang,Bo Dai,Junting Dong,Jiangmiao Pang
発行日 2025-05-19 06:08:53+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.AI, cs.CV, cs.RO | TeleOpBench: A Simulator-Centric Benchmark for Dual-Arm Dexterous Teleoperation はコメントを受け付けていません

MOON: Multi-Objective Optimization-Driven Object-Goal Navigation Using a Variable-Horizon Set-Orienteering Planner

投稿日: 2025年5月20日 作成者: jarxiv

要約

Object-Goal Navigation（on）により、自動運転ロボットは、以前は未知の環境でユーザー指定のオブジェクトを見つけて到達でき、支援や災害対応などのドメインで有望なアプリケーションを提供できます。
トレーニングなしのアプローチ、強化学習、ゼロショットプランナーなどの方法に存在する – 一般に、ランドマークオブジェクト（キッチンやデスクなど）を特定するためのアクティブな探索に依存し、その後、意味的に関連するターゲット（特定のマグカップなど）へのナビゲーションが続きます。
ただし、これらの方法は戦略的計画を欠いていることが多く、複数の目標間のトレードオフに適切に対処しません。
これらの課題を克服するために、多目的最適化問題（MOO）として定式化する新しいフレームワークを提案し、フロンティアベースの知識探索と以前に観察されたランドマーク上の知識の搾取とのバランスを取ります。
このフレームワークの月を呼び出します（Moo-driven on）。
3つの主要なコンポーネントを統合するプロトタイプムーンシステムを実装します。（1）QOM [IROS05]の建物は、ターゲットとの意味関連に基づいてコンパクトで差別的にエンコードするシステム上のクラシックです。
（2）ナビゲーションパイプラインを強化するために、最近提案されたトレーニングなしのプランナーであるstructnav [rss23]を統合します。
（3）探索戦略と搾取戦略の両方にわたってグローバルな最適化を可能にするために、可変ホーデンセットのオリエンテーリング問題の定式化を導入する。
この作業は、グローバルに最適化された次世代のオブジェクトゴールナビゲーションシステムの開発に向けた重要な第一歩を表しています。

要約(オリジナル)

Object-goal navigation (ON) enables autonomous robots to locate and reach user-specified objects in previously unknown environments, offering promising applications in domains such as assistive care and disaster response. Existing ON methods — including training-free approaches, reinforcement learning, and zero-shot planners — generally depend on active exploration to identify landmark objects (e.g., kitchens or desks), followed by navigation toward semantically related targets (e.g., a specific mug). However, these methods often lack strategic planning and do not adequately address trade-offs among multiple objectives. To overcome these challenges, we propose a novel framework that formulates ON as a multi-objective optimization problem (MOO), balancing frontier-based knowledge exploration with knowledge exploitation over previously observed landmarks; we call this framework MOON (MOO-driven ON). We implement a prototype MOON system that integrates three key components: (1) building on QOM [IROS05], a classical ON system that compactly and discriminatively encodes landmarks based on their semantic relevance to the target; (2) integrating StructNav [RSS23], a recently proposed training-free planner, to enhance the navigation pipeline; and (3) introducing a variable-horizon set orienteering problem formulation to enable global optimization over both exploration and exploitation strategies. This work represents an important first step toward developing globally optimized, next-generation object-goal navigation systems.

arxiv情報

著者 Daigo Nakajima,Kanji Tanaka,Daiki Iwata,Kouki Terashima
発行日 2025-05-19 06:20:37+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 | MOON: Multi-Objective Optimization-Driven Object-Goal Navigation Using a Variable-Horizon Set-Orienteering Planner はコメントを受け付けていません

Offboard Occupancy Refinement with Hybrid Propagation for Autonomous Driving

投稿日: 2025年5月20日 作成者: jarxiv

要約

3Dセマンティックシーン完了（SSC）としても知られるビジョンベースの占有予測は、コンピュータービジョンに大きな課題を提示します。
オンボード処理に限定された以前の方法は、同時幾何学的およびセマンティック推定、さまざまな視点にわたる連続性、およびシングルビュー閉塞との闘いでした。
私たちの論文では、視力ベースの占有予測の精度を高めるために設計された新しいオフボードフレームワークであるOccfinerを紹介します。
Occfinerは、2つのハイブリッドフェーズで動作します。1）マルチからマルチまでのローカル伝播ネットワークで、オンボードモデルエラーを修正し、すべての距離で占有の精度を一貫して強化するために複数のローカルフレームを暗黙的に整列および処理します。
2）地域中心のグローバル伝播は、特に離れた占有ボクセルの精度を高めるために、明示的なマルチビュージオメトリと統合センサーバイアスを使用したラベルの改良に焦点を当てています。
広範な実験は、OccFinerがさまざまな種類の粗い占有率にわたって幾何学的精度とセマンティック精度の両方を改善し、Semantickittiデータセットで新しい最先端のパフォーマンスを設定することを示しています。
特に、Occfinerは視覚ベースのSSCモデルのパフォーマンスを大幅に向上させ、確立されたLIDARベースのオンボードSSCメソッドと競合する精度レベルを達成します。
さらに、Occfinerは、純粋にビジョンベースのアプローチでSSCの自動注釈を最初に達成しました。
定量的実験により、Occfinerは自律運転における占有データループクロージャーを正常に促進することが証明されています。
さらに、都市レベルのSSC静的マップでのオフボードアプローチの優位性を定量的かつ定性的に検証します。
ソースコードは、https://github.com/masterhow/occfinerで公開されます。

要約(オリジナル)

Vision-based occupancy prediction, also known as 3D Semantic Scene Completion (SSC), presents a significant challenge in computer vision. Previous methods, confined to onboard processing, struggle with simultaneous geometric and semantic estimation, continuity across varying viewpoints, and single-view occlusion. Our paper introduces OccFiner, a novel offboard framework designed to enhance the accuracy of vision-based occupancy predictions. OccFiner operates in two hybrid phases: 1) a multi-to-multi local propagation network that implicitly aligns and processes multiple local frames for correcting onboard model errors and consistently enhancing occupancy accuracy across all distances. 2) the region-centric global propagation, focuses on refining labels using explicit multi-view geometry and integrating sensor bias, particularly for increasing the accuracy of distant occupied voxels. Extensive experiments demonstrate that OccFiner improves both geometric and semantic accuracy across various types of coarse occupancy, setting a new state-of-the-art performance on the SemanticKITTI dataset. Notably, OccFiner significantly boosts the performance of vision-based SSC models, achieving accuracy levels competitive with established LiDAR-based onboard SSC methods. Furthermore, OccFiner is the first to achieve automatic annotation of SSC in a purely vision-based approach. Quantitative experiments prove that OccFiner successfully facilitates occupancy data loop-closure in autonomous driving. Additionally, we quantitatively and qualitatively validate the superiority of the offboard approach on city-level SSC static maps. The source code will be made publicly available at https://github.com/MasterHow/OccFiner.

arxiv情報

著者 Hao Shi,Song Wang,Jiaming Zhang,Xiaoting Yin,Guangming Wang,Jianke Zhu,Kailun Yang,Kaiwei Wang
発行日 2025-05-19 08:07:29+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.CV, cs.RO, eess.IV | Offboard Occupancy Refinement with Hybrid Propagation for Autonomous Driving はコメントを受け付けていません

Practical Equivalence Testing and Its Application in Synthetic Pre-Crash Scenario Validation

投稿日: 2025年5月20日 作成者: jarxiv

要約

代表的なクラッシュ前シナリオの使用は、シミュレーションによる運転自動化システムの安全性への影響を評価するために重要です。
ただし、合成と現実世界の事前クラッシュシナリオとそれらのクラッシュ特性の類似性の堅牢な評価にはギャップが残っています。
適切な検証がなければ、合成テストシナリオが実際の運転行動とクラッシュ特性を適切に表すことを保証することはできません。
この検証ギャップの理由の1つは、評価範囲を考慮して、合成テストシナリオが実際のシナリオと実質的に同等であることを確認する方法に焦点を合わせていないことです。
有意性テストなどの従来の統計的方法は、同等性を確立するのではなく、違いを検出することに焦点を当てています。
違いを検出できないことは同等性を意味するものではないため、合成前のクラッシュシナリオとクラッシュ特性を検証するための適用性が限られています。
この研究では、実用的な等価性（ロープ）フレームワークのベイジアン領域に基づいて同等のテスト方法を提案することにより、このギャップに対処します。
この方法は、意図された評価に最も関連するシナリオ特性の実用的な同等性を評価するように設計されており、仮想安全性評価のドメインに特に適しています。
まず、既存の同等性テスト方法を確認します。
次に、2つのリアエンド前クラッシュデータセットの等価性をテストすることにより、ベイジアンロープベースの方法を提案および実証します。
私たちのアプローチは、最も関連性の高いシナリオ特性に焦点を当てています。
私たちの分析は、合成テストシナリオの検証における同等性テストの実用性と有効性に関する洞察を提供し、自動化された車両安全評価のための合成データの信頼性を改善するためのテストの重要性と、その後の安全影響評価の信頼性を示しています。

要約(オリジナル)

The use of representative pre-crash scenarios is critical for assessing the safety impact of driving automation systems through simulation. However, a gap remains in the robust evaluation of the similarity between synthetic and real-world pre-crash scenarios and their crash characteristics. Without proper validation, it cannot be ensured that the synthetic test scenarios adequately represent real-world driving behaviors and crash characteristics. One reason for this validation gap is the lack of focus on methods to confirm that the synthetic test scenarios are practically equivalent to real-world ones, given the assessment scope. Traditional statistical methods, like significance testing, focus on detecting differences rather than establishing equivalence; since failure to detect a difference does not imply equivalence, they are of limited applicability for validating synthetic pre-crash scenarios and crash characteristics. This study addresses this gap by proposing an equivalence testing method based on the Bayesian Region of Practical Equivalence (ROPE) framework. This method is designed to assess the practical equivalence of scenario characteristics that are most relevant for the intended assessment, making it particularly appropriate for the domain of virtual safety assessments. We first review existing equivalence testing methods. Then we propose and demonstrate the Bayesian ROPE-based method by testing the equivalence of two rear-end pre-crash datasets. Our approach focuses on the most relevant scenario characteristics. Our analysis provides insights into the practicalities and effectiveness of equivalence testing in synthetic test scenario validation and demonstrates the importance of testing for improving the credibility of synthetic data for automated vehicle safety assessment, as well as the credibility of subsequent safety impact assessments.

arxiv情報

著者 Jian Wu,Ulrich Sander,Carol Flannagan,Minxiang Zhao,Jonas Bärgman
発行日 2025-05-19 08:12:35+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 | Practical Equivalence Testing and Its Application in Synthetic Pre-Crash Scenario Validation はコメントを受け付けていません

AGI-Elo: How Far Are We From Mastering A Task?

投稿日: 2025年5月20日 作成者: jarxiv

要約

フィールドが人工的な一般情報（AGI）に向かって進むにつれて、総合的なパフォーマンスメトリックを超えた、より包括的で洞察に満ちた評価フレームワークが差し迫った必要性があります。
このペーパーでは、個々のテストケースの難易度と、ビジョン、言語、およびアクションドメイン全体のAIモデル（または人間）の能力を共同でモデル化する統一評価システムを紹介します。
モデルのみに焦点を当てた既存のメトリックとは異なり、私たちのアプローチは、モデルとタスクの間の競争的な相互作用を通じて、微調整された難易度の高い評価を可能にし、現実世界の課題と現在のモデルの間のコンピテンシーギャップの両方をキャプチャします。
個別のAGIドメイン全体で、複数の確立されたデータセットとモデルでの広範な実験を通じて、システムの一般化と堅牢性を検証します。
結果の評価分布は、タスクの難易度、モデルの進行、および完全なAGIタスクの習得を達成するための道に残っている顕著な課題に関する新しい視点と解釈可能な洞察を提供します。

要約(オリジナル)

As the field progresses toward Artificial General Intelligence (AGI), there is a pressing need for more comprehensive and insightful evaluation frameworks that go beyond aggregate performance metrics. This paper introduces a unified rating system that jointly models the difficulty of individual test cases and the competency of AI models (or humans) across vision, language, and action domains. Unlike existing metrics that focus solely on models, our approach allows for fine-grained, difficulty-aware evaluations through competitive interactions between models and tasks, capturing both the long-tail distribution of real-world challenges and the competency gap between current models and full task mastery. We validate the generalizability and robustness of our system through extensive experiments on multiple established datasets and models across distinct AGI domains. The resulting rating distributions offer novel perspectives and interpretable insights into task difficulty, model progression, and the outstanding challenges that remain on the path to achieving full AGI task mastery.

arxiv情報

著者 Shuo Sun,Yimin Zhao,Christina Dao Wen Lee,Jiawei Sun,Chengran Yuan,Zefan Huang,Dongen Li,Justin KW Yeoh,Alok Prakash,Thomas W. Malone,Marcelo H. Ang Jr
発行日 2025-05-19 08:30:13+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.AI, cs.RO | AGI-Elo: How Far Are We From Mastering A Task? はコメントを受け付けていません

Efficient Multi-robot Active SLAM

投稿日: 2025年5月20日 作成者: jarxiv

要約

未知の環境での自律的な探査は、特に捜索救助、産業検査、惑星探査などのアプリケーションにとって、ロボット工学の根本的な課題のままです。
マルチロボットアクティブスラムは、不確実性を積極的に減らしながら、共同マッピングと探索を可能にすることにより、有望なソリューションを提示します。
ただし、既存のアプローチは、多くの場合、高い計算コストと非効率的なフロンティア管理に悩まされているため、リアルタイムアプリケーションの場合は計算上の高価になります。
このペーパーでは、未開の環境でロボット分布を強化するためのフロンティア共有戦略を組み込んだ効率的なマルチロボットアクティブスラムフレームワークを紹介します。
私たちのアプローチは、グラフの不確実性とパスエントロピーの両方を考慮したユーティリティ関数を統合し、探査カバレッジと計算効率の間の最適なバランスを達成します。
目標フロンティアをフィルタリングおよび優先順位付けすることにより、この方法は、高いマッピング精度を維持しながら、計算オーバーヘッドを大幅に削減します。
提案されたフレームワークはROSで実装されており、シミュレーションと現実世界の実験を通じて検証されています。
結果は、最先端のアプローチと比較して、優れた探査パフォーマンスとマッピング品質を示しています。

要約(オリジナル)

Autonomous exploration in unknown environments remains a fundamental challenge in robotics, particularly for applications such as search and rescue, industrial inspection, and planetary exploration. Multi-robot active SLAM presents a promising solution by enabling collaborative mapping and exploration while actively reducing uncertainty. However, existing approaches often suffer from high computational costs and inefficient frontier management, making them computationally expensive for real-time applications. In this paper, we introduce an efficient multi-robot active SLAM framework that incorporates a frontier-sharing strategy to enhance robot distribution in unexplored environments. Our approach integrates a utility function that considers both pose graph uncertainty and path entropy, achieving an optimal balance between exploration coverage and computational efficiency. By filtering and prioritizing goal frontiers, our method significantly reduces computational overhead while preserving high mapping accuracy. The proposed framework has been implemented in ROS and validated through simulations and real-world experiments. Results demonstrate superior exploration performance and mapping quality compared to state-of-the-art approaches.

arxiv情報

著者 Muhammad Farhan Ahmed,Matteo Maragliano,Vincent Frémont,Carmine Tommaso Recchiuto
発行日 2025-05-19 09:54:46+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 | Efficient Multi-robot Active SLAM はコメントを受け付けていません

Granular Loco-Manipulation: Repositioning Rocks Through Strategic Sand Avalanche

投稿日: 2025年5月20日 作成者: jarxiv

要約

脚のあるロボットには、急な砂の斜面を登るために障害物を活用する可能性があります。
ただし、これらの障害を望ましい場所に効率的に再配置することは困難です。
ここでは、多面的なロボットが運動中に局所雪崩を戦略的に誘導し、間接的に障害物を操作できるようにする学習ベースの方法であるDiffusivisgrainを提示します。
障害物の間隔、ロボットの向き、脚のアクションを体系的に変化させる375回の試験を実施しました。
結果は、密接にスペースの障害物の動きが重大な干渉を示し、共同モデリングが必要であることを示しています。
さらに、異なるマルチレッグ掘削アクションは、異なるロボット状態の変更を引き起こす可能性があり、操作と移動の統合計画が必要になります。
これらの課題に対処するために、拡散粒は拡散ベースの環境予測因子を含み、粒状の流れの干渉の下で多腫瘍運動をキャプチャし、ロボット状態予測子をマルチレッグアクションパターンからロボット状態の変化を推定します。
展開実験（90回の試行）は、環境とロボット状態の予測因子を統合することにより、ロボットが局所操作の目標に基づいて動きを自律的に計画し、試験の65％以上で密接に位置する岩を望ましい場所にシフトすることができることを示しています。
私たちの研究では、運動するロボットが障害物を戦略的に操作して、挑戦的な地形のモビリティを改善する可能性を示しています。

要約(オリジナル)

Legged robots have the potential to leverage obstacles to climb steep sand slopes. However, efficiently repositioning these obstacles to desired locations is challenging. Here we present DiffusiveGRAIN, a learning-based method that enables a multi-legged robot to strategically induce localized sand avalanches during locomotion and indirectly manipulate obstacles. We conducted 375 trials, systematically varying obstacle spacing, robot orientation, and leg actions in 75 of them. Results show that the movement of closely-spaced obstacles exhibits significant interference, requiring joint modeling. In addition, different multi-leg excavation actions could cause distinct robot state changes, necessitating integrated planning of manipulation and locomotion. To address these challenges, DiffusiveGRAIN includes a diffusion-based environment predictor to capture multi-obstacle movements under granular flow interferences and a robot state predictor to estimate changes in robot state from multi-leg action patterns. Deployment experiments (90 trials) demonstrate that by integrating the environment and robot state predictors, the robot can autonomously plan its movements based on loco-manipulation goals, successfully shifting closely located rocks to desired locations in over 65% of trials. Our study showcases the potential for a locomoting robot to strategically manipulate obstacles to achieve improved mobility on challenging terrains.

arxiv情報

著者 Haodi Hu,Yue Wu,Feifei Qian,Daniel Seita
発行日 2025-05-19 10:17:03+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 | Granular Loco-Manipulation: Repositioning Rocks Through Strategic Sand Avalanche はコメントを受け付けていません

FACET: Force-Adaptive Control via Impedance Reference Tracking for Legged Robots

投稿日: 2025年5月20日 作成者: jarxiv

要約

Rehnection Learning（RL）は、脚のあるロボット制御に大きな進歩を遂げ、多様な地形と複雑な局所操作機能を介した移動を可能にします。
ただし、一般的に使用される位置または速度追跡ベースの目的は、ロボットが経験する力に対して不可知論的であり、強力な相互作用中の硬くて潜在的に危険な行動と制御不良につながります。
この制限に対処するために、インピーダンス参照追跡}（ファセット）を介して\ emph {力適応制御を提示します。
インピーダンス制御に触発されて、RLを使用して制御ポリシーをトレーニングして仮想の質量散布ダンパーシステムを模倣し、仮想スプリングを操作することにより外力の下で細粒の制御を可能にします。
シミュレーションでは、四足動物のロボットが大きな衝動（最大200 ns）に対する堅牢性が向上し、制御可能なコンプライアンスを示すことを実証し、衝突衝動の80％の減少を達成します。
ポリシーは物理ロボットに展開され、コンプライアンスと運動感覚制御とその重量の最大2/3までのペイロードを引き出すことで大きな力と関与する能力の両方を紹介します。
脚のあるロコマニピュレーターとヒューマノイドへのさらなる拡張は、全身コンプライアンス制御を可能にするために、より複雑な設定への方法の適用性を示しています。
プロジェクトWebサイト：https：//facet.pages.dev/

要約(オリジナル)

Reinforcement learning (RL) has made significant strides in legged robot control, enabling locomotion across diverse terrains and complex loco-manipulation capabilities. However, the commonly used position or velocity tracking-based objectives are agnostic to forces experienced by the robot, leading to stiff and potentially dangerous behaviors and poor control during forceful interactions. To address this limitation, we present \emph{Force-Adaptive Control via Impedance Reference Tracking} (FACET). Inspired by impedance control, we use RL to train a control policy to imitate a virtual mass-spring-damper system, allowing fine-grained control under external forces by manipulating the virtual spring. In simulation, we demonstrate that our quadruped robot achieves improved robustness to large impulses (up to 200 Ns) and exhibits controllable compliance, achieving an 80% reduction in collision impulse. The policy is deployed to a physical robot to showcase both compliance and the ability to engage with large forces by kinesthetic control and pulling payloads up to 2/3 of its weight. Further extension to a legged loco-manipulator and a humanoid shows the applicability of our method to more complex settings to enable whole-body compliance control. Project Website: https://facet.pages.dev/

arxiv情報

著者 Botian Xu,Haoyang Weng,Qingzhou Lu,Yang Gao,Huazhe Xu
発行日 2025-05-19 11:28:40+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.AI, cs.LG, cs.RO | FACET: Force-Adaptive Control via Impedance Reference Tracking for Legged Robots はコメントを受け付けていません

Disentangling Coordiante Frames for Task Specific Motion Retargeting in Teleoperation using Shared Control and VR Controllers

投稿日: 2025年5月20日 作成者: jarxiv

要約

テレオ操作のタスク完了時間に関してのタスクのパフォーマンスは、タスクを直接行う人間と比較して、まだはるかに遅れています。
これに対する大きな影響の1つは、変換とアラインメントを実行する人間の能力です。これは、視点とモーションリターゲティング戦略によって直接影響を受けます。
最新のテレオ操作システムでは、通常、モーションリターゲティングは、1回限りのキャリブレーションまたはスイッチングモードを通じて実装されます。
連結したねじ込みのような複雑なタスクは、オペレーターが（ミラーなど）回転および翻訳入力コマンドを揃える必要があるため、難しい場合があります。
最近の研究では、翻訳と回転の分離がタスクのパフォーマンスの向上につながることが示されています。
この作業は、翻訳入力コマンドと回転入力コマンドを分離する正式なモーションリターゲティング方法を提案します。
この方法は、最適な制御ベースの軌道プランナーに含まれ、UR5Eマニピュレーターで動作することが示されます。

要約(オリジナル)

Task performance in terms of task completion time in teleoperation is still far behind compared to humans conducting tasks directly. One large identified impact on this is the human capability to perform transformations and alignments, which is directly influenced by the point of view and the motion retargeting strategy. In modern teleoperation systems, motion retargeting is usually implemented through a one time calibration or switching modes. Complex tasks, like concatenated screwing, might be difficult, because the operator has to align (e.g. mirror) rotational and translational input commands. Recent research has shown, that the separation of translation and rotation leads to increased task performance. This work proposes a formal motion retargeting method, which separates translational and rotational input commands. This method is then included in a optimal control based trajectory planner and shown to work on a UR5e manipulator.

arxiv情報

著者 Max Grobbel,Daniel Flögel,Philipp Rigoll,Sören Hohmann
発行日 2025-05-19 12:43:30+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.HC, cs.RO, cs.SY, eess.SY | Disentangling Coordiante Frames for Task Specific Motion Retargeting in Teleoperation using Shared Control and VR Controllers はコメントを受け付けていません

When do Lyapunov Subcenter Manifolds become Eigenmanifolds?

投稿日: 2025年5月20日 作成者: jarxiv

要約

マルチボディの機械システムには、効率的な制御ターゲットを策定するために活用できる豊富な内部ダイナミクスがあります。
ロボットアプリケーションの定期的な規制タスクの場合、これにより、非線形正常モードに関する理論の拡張がリーマニアの多様体に拡張され、固有マニホールドの定義が生じました。
この定義は幾何学的であり、ロボット工学内の一般性にとって有利ですが、非線形ダイナミクスに関する文献からの大規模な結果と固有マニフォールドのつながりを曖昧にします。
このギャップを埋め、固有マニフォルズはリアプノフサブセンターマニホールド（LSM）の例であり、LSMに関するそれらの強力な幾何学的特性が保守的な機械システムの時点から続くことを示しています。
これは、固有マニフォールドの局所的な存在と独自性の結果に直接つながります。
さらに、追加の空間的対称性により、制御アプリケーションに適しているローゼンバーグマニホールドの固有マニフォールドが、さらに強力な特性を提供することを示し、それらの存在と独自性に十分な条件を提示します。
これらの理論的結果は、二重振り子と5リンク振り子の2つの機械システムで数値的に確認されています。

要約(オリジナル)

Multi-body mechanical systems have rich internal dynamics, which can be exploited to formulate efficient control targets. For periodic regulation tasks in robotics applications, this motivated the extension of the theory on nonlinear normal modes to Riemannian manifolds, and led to the definition of Eigenmanifolds. This definition is geometric, which is advantageous for generality within robotics but also obscures the connection of Eigenmanifolds to a large body of results from the literature on nonlinear dynamics. We bridge this gap, showing that Eigenmanifolds are instances of Lyapunov subcenter manifolds (LSMs), and that their stronger geometric properties with respect to LSMs follow from a time-symmetry of conservative mechanical systems. This directly leads to local existence and uniqueness results for Eigenmanifolds. Furthermore, we show that an additional spatial symmetry provides Eigenmanifolds with yet stronger properties of Rosenberg manifolds, which can be favorable for control applications, and we present a sufficient condition for their existence and uniqueness. These theoretical results are numerically confirmed on two mechanical systems with a non-constant inertia tensor: a double pendulum and a 5-link pendulum.

arxiv情報

著者 Yannik P. Wotte,Arne Sachtler,Alin Albu-Schäffer,Stefano Stramigioli,Cosimo Della Santina
発行日 2025-05-19 12:54:03+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, math.DS | When do Lyapunov Subcenter Manifolds become Eigenmanifolds? はコメントを受け付けていません