Seeking to Collide: Online Safety-Critical Scenario Generation for Autonomous Driving with Retrieval Augmented Large Language Models

投稿日: 2025年5月5日 作成者: jarxiv

要約

シミュレーションに基づくテストは自律走行車（AV）の検証に不可欠であるが、既存のシナリオ生成手法は、一般的な運転パターンに過剰に適合するか、オフラインで非対話的に動作するため、稀にしか発生しないセーフティクリティカルなコーナーケースを明らかにすることができない。本論文では、セーフティクリティカルな運転シナリオを生成するための、オンライン、検索補強型大規模言語モデル（LLM）フレームワークを紹介する。本手法では、まずLLMベースの挙動解析器を用いて、観測された状態から背景車両の最も危険な意図を推測し、次に追加のLLMエージェントに問い合わせ、実行可能な敵対的軌道を合成する。そして、観測された状態から最も危険な意図を推測し、さらにLLMエージェントに問い合わせ、実行可能な敵対的軌道を合成する。壊滅的な忘却を緩和し、適応を加速するために、我々は意図とプランナーのペアを動的に記憶・検索するバンクでフレームワークを補強し、新しい意図が生じたときに自動的に行動ライブラリを拡張する。ウェイモ・オープン・モーション・データセットを用いた評価により、我々のモデルは衝突までの平均最小時間を1.62秒から1.08秒に短縮し、衝突率を75%に抑え、ベースラインを大幅に上回ることが実証された。

要約(オリジナル)

Simulation-based testing is crucial for validating autonomous vehicles (AVs), yet existing scenario generation methods either overfit to common driving patterns or operate in an offline, non-interactive manner that fails to expose rare, safety-critical corner cases. In this paper, we introduce an online, retrieval-augmented large language model (LLM) framework for generating safety-critical driving scenarios. Our method first employs an LLM-based behavior analyzer to infer the most dangerous intent of the background vehicle from the observed state, then queries additional LLM agents to synthesize feasible adversarial trajectories. To mitigate catastrophic forgetting and accelerate adaptation, we augment the framework with a dynamic memorization and retrieval bank of intent-planner pairs, automatically expanding its behavioral library when novel intents arise. Evaluations using the Waymo Open Motion Dataset demonstrate that our model reduces the mean minimum time-to-collision from 1.62 to 1.08 s and incurs a 75% collision rate, substantially outperforming baselines.

arxiv情報

著者 Yuewen Mei,Tong Nie,Jian Sun,Ye Tian
発行日 2025-05-02 03:22:00+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, DeepL

カテゴリー: cs.AI, cs.RO | Seeking to Collide: Online Safety-Critical Scenario Generation for Autonomous Driving with Retrieval Augmented Large Language Models はコメントを受け付けていません

DexCtrl: Towards Sim-to-Real Dexterity with Adaptive Controller Learning

投稿日: 2025年5月5日 作成者: jarxiv

要約

器用な操作は近年目覚ましい進歩を遂げており、複雑で接触が多い多くのタスクをシミュレーションで実行することができるようになった。しかし、これらのポリシーをシミュレーションから実世界に移植することは、依然として大きな課題である。重要な問題の1つは、低レベルコントローラダイナミクスのミスマッチであり、制御パラメータが変化すると、同じ軌道でも接触力や挙動が大きく異なることがあります。既存のアプローチでは、手動チューニングやコントローラのランダム化に頼ることが多く、手間がかかり、タスクに依存し、トレーニングに大きな困難が伴います。本研究では、軌道とコントローラの両方の履歴情報に基づいて、動作とコントローラパラメータを共同で学習するフレームワークを提案する。この適応的なコントローラ調整メカニズムにより、ポリシーが実行中に制御パラメータを自動的に調整することが可能となり、大規模な手動調整や過度のランダム化を行うことなく、シムとリアルのギャップを緩和することができる。さらに、コントローラパラメータを観測の一部として明示的に提供することで、我々のアプローチは力の相互作用に関するより良い推論を容易にし、実世界のシナリオにおける頑健性を向上させる。実験結果は、我々の手法が、変化する力条件を含む様々な器用なタスクにおいて、伝達性能の向上を達成することを示している。

要約(オリジナル)

Dexterous manipulation has seen remarkable progress in recent years, with policies capable of executing many complex and contact-rich tasks in simulation. However, transferring these policies from simulation to real world remains a significant challenge. One important issue is the mismatch in low-level controller dynamics, where identical trajectories can lead to vastly different contact forces and behaviors when control parameters vary. Existing approaches often rely on manual tuning or controller randomization, which can be labor-intensive, task-specific, and introduce significant training difficulty. In this work, we propose a framework that jointly learns actions and controller parameters based on the historical information of both trajectory and controller. This adaptive controller adjustment mechanism allows the policy to automatically tune control parameters during execution, thereby mitigating the sim-to-real gap without extensive manual tuning or excessive randomization. Moreover, by explicitly providing controller parameters as part of the observation, our approach facilitates better reasoning over force interactions and improves robustness in real-world scenarios. Experimental results demonstrate that our method achieves improved transfer performance across a variety of dexterous tasks involving variable force conditions.

arxiv情報

著者 Shuqi Zhao,Ke Yang,Yuxin Chen,Chenran Li,Yichen Xie,Xiang Zhang,Changhao Wang,Masayoshi Tomizuka
発行日 2025-05-02 04:29:16+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, DeepL

カテゴリー: cs.RO, cs.SY, eess.SY | DexCtrl: Towards Sim-to-Real Dexterity with Adaptive Controller Learning はコメントを受け付けていません

Optimizing Indoor Farm Monitoring Efficiency Using UAV: Yield Estimation in a GNSS-Denied Cherry Tomato Greenhouse

投稿日: 2025年5月5日 作成者: jarxiv

要約

農業従事者の減少や人件費の高騰に伴い、ロボットによる収穫量推定の重要性が増している。無人地上走行車（UGV）は屋内の農場モニタリングに一般的に使用されているが、温室への配備はインフラの制限、センサーの配置の課題、運用の非効率性などの制約を受けることが多い。これらの問題に対処するため、我々はRGB-Dカメラ、3D LiDAR、IMUセンサーを搭載した軽量無人航空機（UAV）を開発した。このUAVは、GNSSが使えない環境での正確なナビゲーションのためにLiDAR-慣性オドメトリーアルゴリズムを採用し、プチトマトの個数と重量を推定するために3Dマルチオブジェクトトラッキングアルゴリズムを利用する。収穫畝と生育畝の2つのデータセットを用いてシステムを評価した。収穫畝のデータセットにおいて、提案システムは、10.5秒で完了する13.2mの飛行内で、94.4%の計数精度と87.5%の重量推定精度を達成した。オクルージョンのある未熟な果実からなるrowing-rowデータセットについては、追跡性能を定性的に分析し、強いオクルージョンのある温室での知覚を改善するための将来の研究の方向性を強調する。我々の知見は、商業用温室における効率的なロボットによる収穫量推定のためのUAVの可能性を示している。

要約(オリジナル)

As the agricultural workforce declines and labor costs rise, robotic yield estimation has become increasingly important. While unmanned ground vehicles (UGVs) are commonly used for indoor farm monitoring, their deployment in greenhouses is often constrained by infrastructure limitations, sensor placement challenges, and operational inefficiencies. To address these issues, we develop a lightweight unmanned aerial vehicle (UAV) equipped with an RGB-D camera, a 3D LiDAR, and an IMU sensor. The UAV employs a LiDAR-inertial odometry algorithm for precise navigation in GNSS-denied environments and utilizes a 3D multi-object tracking algorithm to estimate the count and weight of cherry tomatoes. We evaluate the system using two dataset: one from a harvesting row and another from a growing row. In the harvesting-row dataset, the proposed system achieves 94.4\% counting accuracy and 87.5\% weight estimation accuracy within a 13.2-meter flight completed in 10.5 seconds. For the growing-row dataset, which consists of occluded unripened fruits, we qualitatively analyze tracking performance and highlight future research directions for improving perception in greenhouse with strong occlusions. Our findings demonstrate the potential of UAVs for efficient robotic yield estimation in commercial greenhouses.

arxiv情報

著者 Taewook Park,Jinwoo Lee,Hyondong Oh,Won-Jae Yun,Kyu-Wha Lee
発行日 2025-05-02 04:41:57+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, DeepL

カテゴリー: cs.CV, cs.RO | Optimizing Indoor Farm Monitoring Efficiency Using UAV: Yield Estimation in a GNSS-Denied Cherry Tomato Greenhouse はコメントを受け付けていません

Tightly Coupled Range Inertial Odometry and Mapping with Exact Point Cloud Downsampling

投稿日: 2025年5月5日 作成者: jarxiv

要約

本研究では、因子グラフ上のマルチスキャン登録誤差最小化のリアルタイム処理を容易にするために、コアセット抽出に基づく点群ダウンサンプリングアルゴリズムを考案する。このアルゴリズムは、入力点の残差の部分集合を抽出し、その部分集合が、与えられたポーズに対して、元の集合の二次誤差関数と全く同じ二次誤差関数をもたらすようにする。これにより、サンプリング点での近似誤差なしに評価すべき残差の数を大幅に削減することができる。このアルゴリズムを用いて、スライディングウィンドウ最適化に基づくオドメトリ推定と、マップ全体にわたるレジストレーション誤差最小化に基づく大域的軌道最適化からなる完全なSLAMフレームワークを考案し、その両方を標準的なCPU上で実時間で実行することができる。実験結果は、提案フレームワークが、GPUアクセラレーションを用いることなく、最新のCPUベースのSLAMフレームワークを凌駕することを示している。

要約(オリジナル)

In this work, to facilitate the real-time processing of multi-scan registration error minimization on factor graphs, we devise a point cloud downsampling algorithm based on coreset extraction. This algorithm extracts a subset of the residuals of input points such that the subset yields exactly the same quadratic error function as that of the original set for a given pose. This enables a significant reduction in the number of residuals to be evaluated without approximation errors at the sampling point. Using this algorithm, we devise a complete SLAM framework that consists of odometry estimation based on sliding window optimization and global trajectory optimization based on registration error minimization over the entire map, both of which can run in real time on a standard CPU. The experimental results demonstrate that the proposed framework outperforms state-of-the-art CPU-based SLAM frameworks without the use of GPU acceleration.

arxiv情報

著者 Kenji Koide,Aoki Takanose,Shuji Oishi,Masashi Yokozuka
発行日 2025-05-02 05:27:28+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, DeepL

カテゴリー: cs.RO | Tightly Coupled Range Inertial Odometry and Mapping with Exact Point Cloud Downsampling はコメントを受け付けていません

A Study on Human-Swarm Interaction: A Framework for Assessing Situation Awareness and Task Performance

投稿日: 2025年5月5日 作成者: jarxiv

要約

本論文では、動的環境における状況認識を測定する、人間群インタラクション研究のためのフレームワークを紹介する。このフレームワークで導入された概念を実装することで、タブレットベースのインターフェースをユーザ研究のために開発し、オペレータがロボット群を誘導して、群にとって未知の危険なセルをマーキングする単一ターゲット探索タスクを行った。主観的および客観的な状況認識尺度が使用され、ロボットがターゲットにどれだけ近づいたかでタスクのパフォーマンスが評価された。このフレームワークにより、人間群インタラクションにおける状況認識の役割を構造的に調査することが可能となり、試行回数を重ねるごとにタスク性能が向上し、インタフェースが学習可能であること、重心アクティブ位置が状況認識を評価するための有用なタスク性能指標であること、知覚と投影がタスク性能に重要な役割を果たし、インタフェース設計におけるそれらの重要性が強調されたこと、客観的状況認識が主観的状況認識とタスク性能の両方に影響を与え、客観的状況認識を強調するインタフェースの必要性が強調されたこと、などの重要な知見が得られた。これらの結果は、我々のフレームワークが、状況認識概念を人間群インタラクション研究に統合するための構造化されたアプローチであり、状況認識とタスクパフォーマンスを評価する体系的な方法を提供するものであることを検証するものである。このフレームワークは、インターフェイスの学習可能性を評価し、意味のあるタスクパフォーマンス指標を特定し、状況認識を強化するためのインターフェイス設計を改良し、最終的に動的環境における人間群インタラクションを改善するために、他の群れ研究に適用することができる。

要約(オリジナル)

This paper introduces a framework for human swarm interaction studies that measures situation awareness in dynamic environments. A tablet-based interface was developed for a user study by implementing the concepts introduced in the framework, where operators guided a robotic swarm in a single-target search task, marking hazardous cells unknown to the swarm. Both subjective and objective situation awareness measures were used, with task performance evaluated based on how close the robots were to the target. The framework enabled a structured investigation of the role of situation awareness in human swarm interaction, leading to key findings such as improved task performance across attempts, showing the interface was learnable, centroid active robot position proved to be a useful task performance metric for assessing situation awareness, perception and projection played a key role in task performance, highlighting their importance in interface design and objective situation awareness influenced both subjective situation awareness and task performance, emphasizing the need for interfaces that emphasise objective situation awareness. These findings validate our framework as a structured approach for integrating situation awareness concepts into human swarm interaction studies, offering a systematic way to assess situation awareness and task performance. The framework can be applied to other swarming studies to evaluate interface learnability, identify meaningful task performance metrics, and refine interface designs to enhance situation awareness, ultimately improving human swarm interaction in dynamic environments.

arxiv情報

著者 Wasura D. Wattearachchi,Erandi Lakshika,Kathryn Kasmarik,Michael Barlow
発行日 2025-05-02 05:58:09+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, DeepL

カテゴリー: cs.HC, cs.RO | A Study on Human-Swarm Interaction: A Framework for Assessing Situation Awareness and Task Performance はコメントを受け付けていません

Model Tensor Planning

投稿日: 2025年5月5日 作成者: jarxiv

要約

サンプリングに基づくモデル予測制御(MPC)は、非線形で接触が多いロボットタスクにおいて強力な性能を発揮しますが、局所的に貪欲なサンプリングスキームによる探索性の低さに悩まされることがよくあります。我々は、構造化されたテンソルサンプリングを通して高エントロピー制御軌道生成を導入する、新しいサンプリングベースのMPCフレームワークである୧Model Tensor Planning(MTP)を提案する。ランダム化された多部位グラフ上でサンプリングを行い、Bスプラインと秋間スプラインを用いて制御軌道を補間することにより、MTPは滑らかで大域的に多様な制御候補を保証する。さらに、Cross-Entropy Method (CEM)更新の中で、制御の洗練と探索のバランスをとりながら、局所的な探索的サンプルと大域的な探索的サンプルを混合する、単純な$β$混合戦略を提案する。理論的には、MTPがテンソルの深さと幅が無限大の極限において、制御軌道空間の漸近的なパスカバレッジと最大エントロピーを達成することを示す。 我々の実装は、JAXを用いて完全にベクトル化され、MuJoCo XLAと互換性があり、オンライン領域ランダム化を伴うリアルタイム制御のためのJIT(Just-in-time)コンパイルとバッチロールアウトをサポートする。器用な手先の操作からヒューマノイドのロコモーションまで、様々な困難なロボットタスクの実験を通じて、MTPがタスクの成功と制御の頑健性において標準的なMPCと進化戦略ベースラインを上回ることを実証する。MTPのテンソルサンプリング構造、スプライン補間の選択、およびミキシング戦略の有効性は、設計および感度解析によって確認された。全体として、MTPはモデルベースのプランニングと制御におけるロバスト探索のためのスケーラブルなフレームワークを提供する。

要約(オリジナル)

Sampling-based model predictive control (MPC) offers strong performance in nonlinear and contact-rich robotic tasks, yet often suffers from poor exploration due to locally greedy sampling schemes. We propose \emph{Model Tensor Planning} (MTP), a novel sampling-based MPC framework that introduces high-entropy control trajectory generation through structured tensor sampling. By sampling over randomized multipartite graphs and interpolating control trajectories with B-splines and Akima splines, MTP ensures smooth and globally diverse control candidates. We further propose a simple $\beta$-mixing strategy that blends local exploitative and global exploratory samples within the modified Cross-Entropy Method (CEM) update, balancing control refinement and exploration. Theoretically, we show that MTP achieves asymptotic path coverage and maximum entropy in the control trajectory space in the limit of infinite tensor depth and width. Our implementation is fully vectorized using JAX and compatible with MuJoCo XLA, supporting \emph{Just-in-time} (JIT) compilation and batched rollouts for real-time control with online domain randomization. Through experiments on various challenging robotic tasks, ranging from dexterous in-hand manipulation to humanoid locomotion, we demonstrate that MTP outperforms standard MPC and evolutionary strategy baselines in task success and control robustness. Design and sensitivity ablations confirm the effectiveness of MTP tensor sampling structure, spline interpolation choices, and mixing strategy. Altogether, MTP offers a scalable framework for robust exploration in model-based planning and control.

arxiv情報

著者 An T. Le,Khai Nguyen,Minh Nhat Vu,João Carvalho,Jan Peters
発行日 2025-05-02 07:09:38+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, DeepL

カテゴリー: cs.AI, cs.LG, cs.RO, cs.SY, eess.SY | Model Tensor Planning はコメントを受け付けていません

DexFlow: A Unified Approach for Dexterous Hand Pose Retargeting and Interaction

投稿日: 2025年5月5日 作成者: jarxiv

要約

手と物体の相互作用モデリングの進歩にもかかわらず、ロボットハンドのための現実的な器用な操作データの生成は依然として課題となっています。リターゲティング手法は精度が低く、手とオブジェクトの相互作用を考慮できないことが多いため、相互貫入のようなアーチファクトが生じます。また、人間の手のプライアがない生成手法では、限定的で不自然なポーズが生成されます。我々は、高精度のリターゲティングのために、複数のソースからの人間の手とオブジェクトのデータを結合するデータ変換パイプラインを提案する。我々のアプローチは、時間的一貫性を確保するために差分損失制約を使用し、手と物体の相互作用を洗練するために接触マップを生成する。実験によれば、我々の手法はポーズ精度、自然さ、多様性を大幅に改善し、手と物体のインタラクションモデリングのためのロバストなソリューションを提供する。

要約(オリジナル)

Despite advances in hand-object interaction modeling, generating realistic dexterous manipulation data for robotic hands remains a challenge. Retargeting methods often suffer from low accuracy and fail to account for hand-object interactions, leading to artifacts like interpenetration. Generative methods, lacking human hand priors, produce limited and unnatural poses. We propose a data transformation pipeline that combines human hand and object data from multiple sources for high-precision retargeting. Our approach uses a differential loss constraint to ensure temporal consistency and generates contact maps to refine hand-object interactions. Experiments show our method significantly improves pose accuracy, naturalness, and diversity, providing a robust solution for hand-object interaction modeling.

arxiv情報

著者 Xiaoyi Lin,Kunpeng Yao,Lixin Xu,Xueqiang Wang,Xuetao Li,Yuchen Wang,Miao Li
発行日 2025-05-02 07:42:41+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, DeepL

カテゴリー: cs.RO | DexFlow: A Unified Approach for Dexterous Hand Pose Retargeting and Interaction はコメントを受け付けていません

Rethinking Latent Redundancy in Behavior Cloning: An Information Bottleneck Approach for Robot Manipulation

投稿日: 2025年5月5日 作成者: jarxiv

要約

行動クローニング（BC）は、ロボット操作において広く採用されている視覚模倣学習法である。現在のBCアプローチは、大規模なデータセットを活用し、より多様な情報を捉えるために視覚やテキストモダリティを追加的に取り入れることで、汎化を強化することが多い。しかし、これらの手法は、学習された表現に冗長な情報が含まれているかどうかを見落としており、学習プロセスを導くための強固な理論的基礎を欠いている。これらの限界に対処するために、我々は情報理論的な視点を採用し、潜在的表現における冗長性を定量化し緩和するために相互情報を導入する。これに基づいて、我々は情報ボトルネック(IB)原理をBCに組み込み、タスクに関連する特徴を保持しながら無関係な情報を圧縮するための構造化された枠組みを提供することで、冗長性削減の考え方を拡張する。本研究は、様々な手法、バックボーン、実験設定にまたがる潜在的表現における冗長性に関する初の包括的研究を提示し、同時にIBのBCへの一般化可能性を拡張する。CortexBenchとLIBEROベンチマークを用いた広範な実験と分析により、IBによる性能の大幅な向上が実証され、入力データの冗長性を低減することの重要性が強調され、より実用的なアプリケーションに対する実用的な価値が強調された。プロジェクトページ: https://baishuanghao.github.io/BC-IB.github.io.

要約(オリジナル)

Behavior Cloning (BC) is a widely adopted visual imitation learning method in robot manipulation. Current BC approaches often enhance generalization by leveraging large datasets and incorporating additional visual and textual modalities to capture more diverse information. However, these methods overlook whether the learned representations contain redundant information and lack a solid theoretical foundation to guide the learning process. To address these limitations, we adopt an information-theoretic perspective and introduce mutual information to quantify and mitigate redundancy in latent representations. Building on this, we incorporate the Information Bottleneck (IB) principle into BC, which extends the idea of reducing redundancy by providing a structured framework for compressing irrelevant information while preserving task-relevant features. This work presents the first comprehensive study on redundancy in latent representations across various methods, backbones, and experimental settings, while extending the generalizability of the IB to BC. Extensive experiments and analyses on the CortexBench and LIBERO benchmarks demonstrate significant performance improvements with IB, underscoring the importance of reducing input data redundancy and highlighting its practical value for more practical applications. Project Page: https://baishuanghao.github.io/BC-IB.github.io.

arxiv情報

著者 Shuanghao Bai,Wanqi Zhou,Pengxiang Ding,Wei Zhao,Donglin Wang,Badong Chen
発行日 2025-05-02 08:53:38+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, DeepL

カテゴリー: cs.LG, cs.RO | Rethinking Latent Redundancy in Behavior Cloning: An Information Bottleneck Approach for Robot Manipulation はコメントを受け付けていません

Fast Flow-based Visuomotor Policies via Conditional Optimal Transport Couplings

投稿日: 2025年5月5日 作成者: jarxiv

要約

拡散政策とフローマッチング政策は、マルチモーダルなロボットの軌道分布を正確に捉えることで、ロボットの応用において近年目覚ましい性能を発揮している。しかし、ODEやSDAEの数値積分による計算コストの高い推論は、ロボットのリアルタイムコントローラとしての適用を制限している。我々は、ロボットの行動生成タスクのためのフローODEにおいて、直線解を強制するために、ノイズとサンプルの間の条件付き最適輸送結合を利用する方法論を紹介する。ノイズとサンプルの素朴な結合は条件付きタスクでは失敗することを示し、結合プロセスに条件変数を組み込んで少数ステップ性能を改善することを提案する。提案する少数ステップ政策は、多様なシミュレーションタスクの集合において、拡散政策と比較して10倍のスピードアップで4％高い成功率を達成する。さらに、実世界のロボットタスクのセットにおいて、1-2ステップで高品質で多様な行動軌道を生成する。また、本手法は、蒸留ベースのアプローチとは対照的に、拡散ポリシーやバニラフローマッチングと同じ学習複雑度を保持している。

要約(オリジナル)

Diffusion and flow matching policies have recently demonstrated remarkable performance in robotic applications by accurately capturing multimodal robot trajectory distributions. However, their computationally expensive inference, due to the numerical integration of an ODE or SDE, limits their applicability as real-time controllers for robots. We introduce a methodology that utilizes conditional Optimal Transport couplings between noise and samples to enforce straight solutions in the flow ODE for robot action generation tasks. We show that naively coupling noise and samples fails in conditional tasks and propose incorporating condition variables into the coupling process to improve few-step performance. The proposed few-step policy achieves a 4% higher success rate with a 10x speed-up compared to Diffusion Policy on a diverse set of simulation tasks. Moreover, it produces high-quality and diverse action trajectories within 1-2 steps on a set of real-world robot tasks. Our method also retains the same training complexity as Diffusion Policy and vanilla Flow Matching, in contrast to distillation-based approaches.

arxiv情報

著者 Andreas Sochopoulos,Nikolay Malkin,Nikolaos Tsagkas,João Moura,Michael Gienger,Sethu Vijayakumar
発行日 2025-05-02 10:47:21+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, DeepL

カテゴリー: cs.RO | Fast Flow-based Visuomotor Policies via Conditional Optimal Transport Couplings はコメントを受け付けていません

Desired Impedance Allocation for Robotic Systems

投稿日: 2025年5月5日 作成者: jarxiv

要約

仮想分解制御（Virtual Decomposition Control: VDC）は、特に接触が多いタスクにおいて、実世界のロボット制御のための強力なモジュラーフレームワークとして登場した。広く使われているにもかかわらず、VDCは基本的に1次のインピーダンス割り当てに限定されており、2次の動作割り当ての数学的複雑さのために、本質的に望ましい慣性が無視されています。しかし、慣性は、接触フェーズの動的応答を形成するためだけでなく、軌道追跡における滑らかな加速と減速を可能にするためにも非常に重要です。高忠実度の相互作用制御に対する要求の高まりに動機づけられ、本研究では、VDCフレームワークにおいて初めて、2次インピーダンス挙動を実現する手法を導入する。要求されるエンドエフェクタ速度を再定義し、要求される加速度と擬似インピーダンス項を導入することで、VDCのモジュール性を維持しながら2次のインピーダンス制御を実現する。厳密な安定性解析により、提案コントローラのロバスト性が確認された。7自由度ハプティック外骨格を用いた実験検証により、1次手法と比較して優れたトラッキング性能と接触性能が実証された。特筆すべきは、慣性を組み込むことで、最大70％硬い環境との安定した相互作用が可能になり、実世界の接触が多いシナリオにおけるアプローチの有効性を強調している。

要約(オリジナル)

Virtual Decomposition Control (VDC) has emerged as a powerful modular framework for real-world robotic control, particularly in contact-rich tasks. Despite its widespread use, VDC has been fundamentally limited to first-order impedance allocation, inherently neglecting the desired inertia due to the mathematical complexity of second-order behavior allocation. However, inertia is crucial, not only for shaping dynamic responses during contact phases, but also for enabling smooth acceleration and deceleration in trajectory tracking. Motivated by the growing demand for high-fidelity interaction control, this work introduces, for the first time in the VDC framework, a method to realize second-order impedance behavior. By redefining the required end-effector velocity and introducing a required acceleration and a pseudo-impedance term, we achieve second-order impedance control while preserving the modularity of VDC. Rigorous stability analysis confirms the robustness of the proposed controller. Experimental validation on a 7-degree-of-freedom haptic exoskeleton demonstrates superior tracking and contact performance compared to first-order methods. Notably, incorporating inertia enables stable interaction with environments up to 70% stiffer, highlighting the effectiveness of the approach in real-world contact-rich scenarios.

arxiv情報

著者 Mahdi Hejrati,Jouni Mattila
発行日 2025-05-02 14:37:06+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, DeepL

カテゴリー: cs.RO | Desired Impedance Allocation for Robotic Systems はコメントを受け付けていません