On Solving the Dynamics of Constrained Rigid Multi-Body Systems with Kinematic Loops

投稿日: 2025年4月29日 作成者: jarxiv

要約

このテクニカルレポートは、非線形相補性問題（NCP）の定式化を使用して、ハードコンタクトダイナミクスを備えた制約された剛性マルチボディシステムをシミュレートするための確立された方法と最先端の両方の方法の詳細な評価を提供します。
特に、高度に結合された機械システムのシミュレーションを、多数の閉ループの両側の運動学的関節制約を、ジョイントの制限や摩擦衝撃を伴う摩擦接触などの追加の一方的な制約が存在する場合、閉鎖的な核兵器の結合制約を調べることに興味があります。
したがって、この研究は、関連するフィールドの最新の文献調査と、最大座標設定での数値統合問題の定式化と解決に使用されるアプローチの詳細な説明を提示します。
より具体的には、私たちの焦点は、それを前方のダイナミクスの問題に分解する全体的な問題のバージョンに続いて、前者によって表された体の状態と制約反応を使用した時間統合に続きます。
次に、摩擦コンタクトダイナミクスをモデル化するために使用される製剤について詳しく説明し、現在確立された物理エンジンの大部分で現在採用されているソルバーのセットを定義します。
このワークの重要な側面は、さまざまな挑戦的なシミュレーションシナリオでソルバーのセットのパフォーマンスエンベロープを定性的かつ定量的に評価するための手段として提案するベンチマークフレームワークの定義です。
したがって、私たちは、スイートで定義された完全なセットで、特定の関心のある問題に関するすべてのソルバーの絶対的および相対的なパフォーマンスを強調することを目的とした広範な一連の実験を提示します。

要約(オリジナル)

This technical report provides an in-depth evaluation of both established and state-of-the-art methods for simulating constrained rigid multi-body systems with hard-contact dynamics, using formulations of Nonlinear Complementarity Problems (NCPs). We are particularly interest in examining the simulation of highly coupled mechanical systems with multitudes of closed-loop bilateral kinematic joint constraints in the presence of additional unilateral constraints such as joint limits and frictional contacts with restitutive impacts. This work thus presents an up-to-date literature survey of the relevant fields, as well as an in-depth description of the approaches used for the formulation and solving of the numerical time-integration problem in a maximal coordinate setting. More specifically, our focus lies on a version of the overall problem that decomposes it into the forward dynamics problem followed by a time-integration using the states of the bodies and the constraint reactions rendered by the former. We then proceed to elaborate on the formulations used to model frictional contact dynamics and define a set of solvers that are representative of those currently employed in the majority of the established physics engines. A key aspect of this work is the definition of a benchmarking framework that we propose as a means to both qualitatively and quantitatively evaluate the performance envelopes of the set of solvers on a diverse set of challenging simulation scenarios. We thus present an extensive set of experiments that aim at highlighting the absolute and relative performance of all solvers on particular problems of interest as well as aggravatingly over the complete set defined in the suite.

arxiv情報

著者 Vassilios Tsounis,Ruben Grandia,Moritz Bächer
発行日 2025-04-28 13:16:57+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 | On Solving the Dynamics of Constrained Rigid Multi-Body Systems with Kinematic Loops はコメントを受け付けていません

Enhancing Robustness in Language-Driven Robotics: A Modular Approach to Failure Reduction

投稿日: 2025年4月29日 作成者: jarxiv

要約

大規模な言語モデル（LLM）の最近の進歩により、ロボット工学の大きな進歩が生じ、具体化されたエージェントがオープンエンドのタスクをよりよく理解して実行できるようになりました。
ただし、LLMSを使用した既存のアプローチは、物理的環境内での出力を接地し、ロボットの機能に合わせて出力を接地する際の制限に直面しています。
この課題は、より小さな言語モデルでさらに顕著になります。これは、より計算効率が良くなりますが、タスクの計画と実行においては堅牢ではありません。
このホワイトペーパーでは、これらの接地およびアライメントの問題に対処することにより、LLM駆動型ロボット工学の堅牢性を高めるように設計された新しいモジュラーアーキテクチャを紹介します。
目標条件付けされたPOMDPフレームワーク内のタスク計画の問題を正式化し、LLM駆動型計画の重要な障害モードを特定し、これらの問題を軽減するためのターゲット設計原則を提案します。
当社のアーキテクチャでは、「予想される結果」モジュールを紹介して、サブゴールの誤った特性とリアルタイムエラー回復を可能にするフィードバックメカニズムを防ぎます。
シミュレーションと物理ロボットの両方での実験結果は、このアプローチが、より大きなLLMSと標準ベースラインの両方と比較して、ピックアンド操作および操作タスクのタスクの成功率を大幅に改善することを示しています。
ハードウェア実験を通じて、アーキテクチャを効率的かつローカルで実行する方法も示します。
この作業は、ロボット工学におけるより小さく、局所的に実行可能なLLMの可能性を強調し、堅牢なタス​​ク実行のためのスケーラブルで効率的なソリューションを提供します。

要約(オリジナル)

Recent advances in large language models (LLMs) have led to significant progress in robotics, enabling embodied agents to better understand and execute open-ended tasks. However, existing approaches using LLMs face limitations in grounding their outputs within the physical environment and aligning with the capabilities of the robot. This challenge becomes even more pronounced with smaller language models, which are more computationally efficient but less robust in task planning and execution. In this paper, we present a novel modular architecture designed to enhance the robustness of LLM-driven robotics by addressing these grounding and alignment issues. We formalize the task planning problem within a goal-conditioned POMDP framework, identify key failure modes in LLM-driven planning, and propose targeted design principles to mitigate these issues. Our architecture introduces an “expected outcomes” module to prevent mischaracterization of subgoals and a feedback mechanism to enable real-time error recovery. Experimental results, both in simulation and on physical robots, demonstrate that our approach significantly improves task success rates for pick-and-place and manipulation tasks compared to both larger LLMs and standard baselines. Through hardware experiments, we also demonstrate how our architecture can be run efficiently and locally. This work highlights the potential of smaller, locally-executable LLMs in robotics and provides a scalable, efficient solution for robust task execution.

arxiv情報

著者 Émiland Garrabé,Pierre Teixeira,Mahdi Khoramshahi,Stéphane Doncieux
発行日 2025-04-28 13:22:11+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: (Primary), cs.RO | Enhancing Robustness in Language-Driven Robotics: A Modular Approach to Failure Reduction はコメントを受け付けていません

Train Robots in a JIF: Joint Inverse and Forward Dynamics with Human and Robot Demonstrations

投稿日: 2025年4月29日 作成者: jarxiv

要約

ロボットデモンストレーションの大規模なデータセットの事前トレーニングは、多様な操作スキルを学ぶための強力な手法ですが、特に触覚フィードバックを必要とするタスクのために、ロボット中心のデータを収集する高コストと複雑さによって制限されることがよくあります。
この研究は、マルチモーダルの人間のデモを使用してトレーニング前の新しい方法を導入することにより、これらの課題に対処します。
私たちのアプローチは、操作操作の特定の表現を学習するために、潜在状態表現を抽出するための逆および前方のダイナミクスを共同で学習します。
これにより、少数のロボットデモンストレーションのみで効率的な微調整が可能になり、データ効率が大幅に向上します。
さらに、我々の方法では、視力の組み合わせや操作のためのタッチの組み合わせなど、マルチモーダルデータを使用できます。
潜在的なダイナミクスのモデリングと触覚センシングを活用することにより、このアプローチは、人間のデモンストレーションに基づいてスケーラブルなロボット操作学習の道を開きます。

要約(オリジナル)

Pre-training on large datasets of robot demonstrations is a powerful technique for learning diverse manipulation skills but is often limited by the high cost and complexity of collecting robot-centric data, especially for tasks requiring tactile feedback. This work addresses these challenges by introducing a novel method for pre-training with multi-modal human demonstrations. Our approach jointly learns inverse and forward dynamics to extract latent state representations, towards learning manipulation specific representations. This enables efficient fine-tuning with only a small number of robot demonstrations, significantly improving data efficiency. Furthermore, our method allows for the use of multi-modal data, such as combination of vision and touch for manipulation. By leveraging latent dynamics modeling and tactile sensing, this approach paves the way for scalable robot manipulation learning based on human demonstrations.

arxiv情報

著者 Gagan Khandate,Boxuan Wang,Sarah Park,Weizhe Ni,Joaquin Palacios,Kathyrn Lampo,Philippe Wu,Rosh Ho,Eric Chang,Matei Ciocarlie
発行日 2025-04-28 14:16:22+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 | Train Robots in a JIF: Joint Inverse and Forward Dynamics with Human and Robot Demonstrations はコメントを受け付けていません

Automated Generation of Precedence Graphs in Digital Value Chains for Automotive Production

投稿日: 2025年4月29日 作成者: jarxiv

要約

この調査では、自動車の製造におけるデジタルバリューチェーンを調べ、識別、ソフトウェアの点滅、カスタマイズ、および車両ネットワークの電子制御ユニットの試運転に焦点を当てています。
混合整数線形プログラミング技術を使用する自動スケジューリングアルゴリズムを使用して、このプロセスチェーンを最適化するために、新しい優先順位グラフ設計が提案されています。
結果は、主要なメトリックの大幅な改善を示しています。
このアルゴリズムは、デジタルバリューチェーンプロセスを実行するために高価なハードウェアとソフトウェアを備えた生産ステーションの数を減らし、効率的なスケジューリングとアイドル時間の短縮により容量の利用を増やします。
タスクの並列化が最適化されているため、合理化されたワークフローとスループットが増加します。
従来の方法と比較して、自動化されたアプローチにより、準備時間が50％短縮され、スケジューリングアクティビティが短縮されました。これは、優先グラフを作成するのに2分かかるためです。
アルゴリズムの制約の柔軟性により、高い応答性を維持し、バックアップステーションを排除し、新しいトポロジの統合を促進しながら、車両固有の構成が可能になります。
自動スケジューリングは、効率、機能、適応性の手動方法を大幅に上回ります。

要約(オリジナル)

This study examines the digital value chain in automotive manufacturing, focusing on the identification, software flashing, customization, and commissioning of electronic control units in vehicle networks. A novel precedence graph design is proposed to optimize this process chain using an automated scheduling algorithm that employs mixed integer linear programming techniques. The results show significant improvements in key metrics. The algorithm reduces the number of production stations equipped with expensive hardware and software to execute digital value chain processes, while increasing capacity utilization through efficient scheduling and reduced idle time. Task parallelization is optimized, resulting in streamlined workflows and increased throughput. Compared to the traditional method, the automated approach has reduced preparation time by 50% and reduced scheduling activities, as it now takes two minutes to create the precedence graph. The flexibility of the algorithm’s constraints allows for vehicle-specific configurations while maintaining high responsiveness, eliminating backup stations and facilitating the integration of new topologies. Automated scheduling significantly outperforms manual methods in efficiency, functionality, and adaptability.

arxiv情報

著者 Cornelius Hake,Christian Friedrich
発行日 2025-04-28 14:37:06+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.RO, cs.SY, eess.SY | Automated Generation of Precedence Graphs in Digital Value Chains for Automotive Production はコメントを受け付けていません

Do You Know the Way? Human-in-the-Loop Understanding for Fast Traversability Estimation in Mobile Robotics

投稿日: 2025年4月29日 作成者: jarxiv

要約

構造化されていない環境でのロボットの使用の増加は、フィールドロボットがタスクを成功させるための効果的な知覚とナビゲーション戦略の開発を必要とします。
特に、そのようなロボットが環境内のどこに移動できるかを理解することが重要です。トラバース性推定として知られるタスクです。
ただし、移動性推定に対する既存の幾何学的アプローチは、移動性の微妙な表現をキャプチャできない場合がありますが、ビジョンベースのアプローチは通常、多数の画像を手動で注釈するか、ロボットエクスペリエンスを必要とするかのいずれかを伴います。
さらに、既存の方法は、展開中に通常学習しないため、ドメインのシフトに対処するのに苦労する可能性があります。
この目的のために、私たちは、必要な注釈のために人間を促すトラバース性推定のための人間のループ（HIL）方法を提案します。
私たちの方法では、基礎モデルを使用して、新しい注釈の迅速な学習を可能にし、少数の迅速なヒルアノテーションで訓練された場合でも正確な予測を提供します。
シミュレーションおよび実際のデータでの方法を広範囲に検証し、最先端の移動性予測パフォーマンスを提供できることを実証します。

要約(オリジナル)

The increasing use of robots in unstructured environments necessitates the development of effective perception and navigation strategies to enable field robots to successfully perform their tasks. In particular, it is key for such robots to understand where in their environment they can and cannot travel — a task known as traversability estimation. However, existing geometric approaches to traversability estimation may fail to capture nuanced representations of traversability, whereas vision-based approaches typically either involve manually annotating a large number of images or require robot experience. In addition, existing methods can struggle to address domain shifts as they typically do not learn during deployment. To this end, we propose a human-in-the-loop (HiL) method for traversability estimation that prompts a human for annotations as-needed. Our method uses a foundation model to enable rapid learning on new annotations and to provide accurate predictions even when trained on a small number of quickly-provided HiL annotations. We extensively validate our method in simulation and on real-world data, and demonstrate that it can provide state-of-the-art traversability prediction performance.

arxiv情報

著者 Andre Schreiber,Katherine Driggs-Campbell
発行日 2025-04-28 14:46:51+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 | Do You Know the Way? Human-in-the-Loop Understanding for Fast Traversability Estimation in Mobile Robotics はコメントを受け付けていません

I Can Hear You Coming: RF Sensing for Uncooperative Satellite Evasion

投稿日: 2025年4月29日 作成者: jarxiv

要約

この作業は、インターセプトされた無線周波数（RF）信号を活用するための新しい方法を提示し、争われた環境で動作する衛星の堅牢な制御のための制約された強化学習（RL）ポリシーを通知します。
国民国家の俳優との非協力的な衛星エンゲージメントは、機動性と俊敏性を軌道上で向上させる必要性を促します。
ただし、空間環境の堅牢で自律的で迅速な敵の回避能力はめったに研究されていません。
さらに、多くの宇宙車両の能力が制約されているため、十分な情報に基づいた操作に使用できる堅牢なスペース状況認識機能を提供しません。
RLを使用して、最適な敵の回避アルゴリズムをトレーニングするための「Cat＆Mouse」システムを提示します。
私たちは、マウスが猫の衛星を打ち負かすためのパスを通知できるマルチモーダル入力として、傍受された無線周波数通信と動的宇宙船状態を活用するという新しいアプローチを提案します。
現在のRF通信のユビキタスな使用を考えると、提案されたシステムは、さまざまな衛星の配列に適用できます。
堅牢な敵の回避のための制御を提供できる制約付きRLポリシーのトレーニングと実装のための包括的なフレームワークを提供することに加えて、敵対的回避のためのいくつかの最適化に基づく方法も探ります。
次に、これらの方法は、宇宙監視ネットワーク（SSN）から取得した実際のデータでテストされ、さまざまな回避方法の利点と制限を分析しました。

要約(オリジナル)

This work presents a novel method for leveraging intercepted Radio Frequency (RF) signals to inform a constrained Reinforcement Learning (RL) policy for robust control of a satellite operating in contested environments. Uncooperative satellite engagements with nation-state actors prompts the need for enhanced maneuverability and agility on-orbit. However, robust, autonomous and rapid adversary avoidance capabilities for the space environment is seldom studied. Further, the capability constrained nature of many space vehicles does not afford robust space situational awareness capabilities that can be used for well informed maneuvering. We present a ‘Cat & Mouse’ system for training optimal adversary avoidance algorithms using RL. We propose the novel approach of utilizing intercepted radio frequency communication and dynamic spacecraft state as multi-modal input that could inform paths for a mouse to outmaneuver the cat satellite. Given the current ubiquitous use of RF communications, our proposed system can be applicable to a diverse array of satellites. In addition to providing a comprehensive framework for training and implementing a constrained RL policy capable of providing control for robust adversary avoidance, we also explore several optimization based methods for adversarial avoidance. These methods were then tested on real-world data obtained from the Space Surveillance Network (SSN) to analyze the benefits and limitations of different avoidance methods.

arxiv情報

著者 Cameron Mehlman,Gregory Falco
発行日 2025-04-28 14:49:04+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 | I Can Hear You Coming: RF Sensing for Uncooperative Satellite Evasion はコメントを受け付けていません

RUMOR: Reinforcement learning for Understanding a Model of the Real World for Navigation in Dynamic Environments

投稿日: 2025年4月29日 作成者: jarxiv

要約

動的環境での自律的なナビゲーションは、自律的なロボットにとって複雑ではあるが不可欠なタスクであり、最近の深い強化学習アプローチが有望な結果を示しています。
ただし、現実の世界の複雑さにより、あらゆるシナリオ構成でエージェントを訓練することは実行不可能です。
さらに、既存の方法は通常、ロボット速度動態制約などの要因を見落としたり、環境の完全な知識を想定したりします。
この作業では、非常にダイナミックな環境でナビゲートするために深い強化学習を使用する微分駆動ロボットの小説プランナーである噂を提示します。
他のエンドツーエンドDRLプランナーとは異なり、説明的なロボセントリック速度空間モデルを使用して動的な環境情報を抽出し、トレーニングの有効性とシナリオ解釈を強化します。
さらに、ロボットの動態を本質的に考慮し、現実世界の問題のある側面を再現するシミュレーターで訓練するアクション空間を提案し、現実とシミュレーションのギャップを減らします。
噂を他の最先端のアプローチと広範囲に比較し、より良いパフォーマンスを実証し、結果の詳細な分析を提供します。
最後に、地上ロボットに展開することにより、現実世界の設定での噂のパフォーマンスを検証します。
混雑したシナリオと目に見えない環境で実施された実験は、アルゴリズムの堅牢性と転送可能性を確認します。

要約(オリジナル)

Autonomous navigation in dynamic environments is a complex but essential task for autonomous robots, with recent deep reinforcement learning approaches showing promising results. However, the complexity of the real world makes it infeasible to train agents in every possible scenario configuration. Moreover, existing methods typically overlook factors such as robot kinodynamic constraints, or assume perfect knowledge of the environment. In this work, we present RUMOR, a novel planner for differential-drive robots that uses deep reinforcement learning to navigate in highly dynamic environments. Unlike other end-to-end DRL planners, it uses a descriptive robocentric velocity space model to extract the dynamic environment information, enhancing training effectiveness and scenario interpretation. Additionally, we propose an action space that inherently considers robot kinodynamics and train it in a simulator that reproduces the real world problematic aspects, reducing the gap between the reality and simulation. We extensively compare RUMOR with other state-of-the-art approaches, demonstrating a better performance, and provide a detailed analysis of the results. Finally, we validate RUMOR’s performance in real-world settings by deploying it on a ground robot. Our experiments, conducted in crowded scenarios and unseen environments, confirm the algorithm’s robustness and transferability.

arxiv情報

著者 Diego Martinez-Baselga,Luis Riazuelo,Luis Montano
発行日 2025-04-28 15:46:52+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 | RUMOR: Reinforcement learning for Understanding a Model of the Real World for Navigation in Dynamic Environments はコメントを受け付けていません

Tendon-Actuated Concentric Tube Endonasal Robot (TACTER)

投稿日: 2025年4月29日 作成者: jarxiv

要約

内視鏡的内視領域アプローチ（EEA）は、低侵襲の頭蓋骨塩基および副鼻腔の手術に対してより一般的になりました。
ただし、剛性のスコープとツールは、緊密な解剖学的空間で動作する外科医の能力を大幅に低下させ、内頸動脈や頭蓋神経などの重要な構造を回避します。
このペーパーでは、2つの腱作用ロボットが互いに同心円状であるため、独立して曲がる可能性のある外側と内側のロボットをもたらす、腱が作動する新しい腱が作動する同心管エンドナサルロボット（Tacter）の設計を提案します。
外側のロボットは、一方向的に非対称ノッチ（UAN）ニッケルチタンロボットであり、内側のロボットは3Dプリントされた双方向ロボットで、ニッケルチタン曲げメンバーを備えています。
さらに、内側のロボットは、外側のロボット内で軸方向に翻訳し、曲げ帯にツールが構造を通過し、それによってフォローリーダーの動きを実行できるようにします。
Cosserat-Rodベースの機械モデルが提案されています。これは、腱作用ロボットの両方の腱張力と、入力としてロボット間の相対翻訳を使用し、さまざまな入力パラメーターのためにTacterチップ位置を予測します。
このモデルは実験で検証されており、鼻孔から蝶形骨洞への操縦性を実証するために、人間の死体実験が提示されます。
この作品は、EEAの成功に必要なワークスペースをカバーするために、天然鼻口内でフォローリーダーの動きを実行できる最初の腱作用型同心円状のロボットツールを提示します。

要約(オリジナル)

Endoscopic endonasal approaches (EEA) have become more prevalent for minimally invasive skull base and sinus surgeries. However, rigid scopes and tools significantly decrease the surgeon’s ability to operate in tight anatomical spaces and avoid critical structures such as the internal carotid artery and cranial nerves. This paper proposes a novel tendon-actuated concentric tube endonasal robot (TACTER) design in which two tendon-actuated robots are concentric to each other, resulting in an outer and inner robot that can bend independently. The outer robot is a unidirectionally asymmetric notch (UAN) nickel-titanium robot, and the inner robot is a 3D-printed bidirectional robot, with a nickel-titanium bending member. In addition, the inner robot can translate axially within the outer robot, allowing the tool to traverse through structures while bending, thereby executing follow-the-leader motion. A Cosserat-rod based mechanical model is proposed that uses tendon tension of both tendon-actuated robots and the relative translation between the robots as inputs and predicts the TACTER tip position for varying input parameters. The model is validated with experiments, and a human cadaver experiment is presented to demonstrate maneuverability from the nostril to the sphenoid sinus. This work presents the first tendon-actuated concentric tube (TACT) dexterous robotic tool capable of performing follow-the-leader motion within natural nasal orifices to cover workspaces typically required for a successful EEA.

arxiv情報

著者 Kent K. Yamamoto,Tanner J. Zachem,Pejman Kheradmand,Patrick Zheng,Jihad Abdelgadir,Jared Laurance Bailey,Kaelyn Pieter,Patrick J. Codd,Yash Chitalia
発行日 2025-04-28 16:19:50+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 | Tendon-Actuated Concentric Tube Endonasal Robot (TACTER) はコメントを受け付けていません

Feelbert: A Feedback Linearization-based Embedded Real-Time Quadrupedal Locomotion Framework

投稿日: 2025年4月29日 作成者: jarxiv

要約

四足動物は、一般的な不均一な地形に移動を適応させる能力で非常に人気があります。
このため、時間が経つにつれて、四角形の移動のためのいくつかのフレームワークが提案されていますが、コントローラーの予測可能なタイミング動作を確保することにはほとんど注意が払われていません。
この問題に対処するために、この作業は、ハードリアルタイムの実行制約の下で組み込みシステムの実行に適した四重類の移動のモジュール制御フレームワークである\ nameを提示します。
フィードバック線形化制御手法を活用して、ロボットのすべての構成に有効なボディの閉形型制御法則を取得します。
制御法は、推定接触力の代わりに、足の加速を制御変数として使用する適切な剛体モデルを定義した後に導き出されました。
また、この作業は、架空の車輪の概念を使用して足場と歩行時間パラメーターを計算する新しいアルゴリズムと、現在の速度コマンドの最適な歩行スケジュールを選択するためのヒューリスティックアルゴリズムを提供します。
提案されたフレームワークは、予測可能性とリアルタイムパフォーマンスを確保するために、サードパーティライブラリに依存関係がなく、動的なメモリ割り当てがなく、C ++で完全に開発されています。
その実装により、\ name \は、重要なアプリケーション用の組み込みシステムでコンパイルおよび実行され、ロボットオペレーティングシステム2（ROS 2）などのより大きなシステムに統合されます。
このため、\ name \は両方のシナリオでテストされており、ROS 2に統合されているか、Raspberry Pi 5のスタンドアロンアプリケーションとしてコンパイルされているかどうかにかかわらず、参照追跡と時間的予測可能性の両方の観点から満足のいく結果を示しています。

要約(オリジナル)

Quadruped robots have become quite popular for their ability to adapt their locomotion to generic uneven terrains. For this reason, over time, several frameworks for quadrupedal locomotion have been proposed, but with little attention to ensuring a predictable timing behavior of the controller. To address this issue, this work presents \NAME, a modular control framework for quadrupedal locomotion suitable for execution on an embedded system under hard real-time execution constraints. It leverages the feedback linearization control technique to obtain a closed-form control law for the body, valid for all configurations of the robot. The control law was derived after defining an appropriate rigid body model that uses the accelerations of the feet as control variables, instead of the estimated contact forces. This work also provides a novel algorithm to compute footholds and gait temporal parameters using the concept of imaginary wheels, and a heuristic algorithm to select the best gait schedule for the current velocity commands. The proposed framework is developed entirely in C++, with no dependencies on third-party libraries and no dynamic memory allocation, to ensure predictability and real-time performance. Its implementation allows \NAME\ to be both compiled and executed on an embedded system for critical applications, as well as integrated into larger systems such as Robot Operating System 2 (ROS 2). For this reason, \NAME\ has been tested in both scenarios, demonstrating satisfactory results both in terms of reference tracking and temporal predictability, whether integrated into ROS 2 or compiled as a standalone application on a Raspberry Pi 5.

arxiv情報

著者 Aristide Emanuele Casucci,Federico Nesti,Mauro Marinoni,Giorgio Buttazzo
発行日 2025-04-28 16:36:28+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 | Feelbert: A Feedback Linearization-based Embedded Real-Time Quadrupedal Locomotion Framework はコメントを受け付けていません

HJRNO: Hamilton-Jacobi Reachability with Neural Operators

投稿日: 2025年4月29日 作成者: jarxiv

要約

不確実性の下で自律システムの安全性を確保することは、重大な課題です。
Hamilton-Jacobi Reachability（HJR）分析は、最悪の場合の安全性を保証するために広く使用されている方法です。
従来のHJR方法は安全保証を提供しますが、次元の呪いに悩まされ、高次元システムまたはさまざまな環境条件にそのスケーラビリティを制限します。
この作業では、後方に到達可能なチューブ（BRT）を効率的かつ正確に解決するための神経オペレーターベースのフレームワークであるHJRNOを提案します。
フーリエ神経演算子（FNO）を活用することにより、HJRNOは値関数間のマッピングを学習し、さまざまな障害物形状、システム構成、およびハイパーパラメーターにわたって強力な一般化を伴う高速推論を可能にします。
HJRNOは、ランダムな障害シナリオで低いエラーを達成し、さまざまなシステムダイナミクス全体で効果的に一般化することを実証します。
これらの結果は、HJRNOが自律システムにおけるスケーラブルでリアルタイムの安全分析のための有望な基礎モデルアプローチを提供することを示唆しています。

要約(オリジナル)

Ensuring the safety of autonomous systems under uncertainty is a critical challenge. Hamilton-Jacobi reachability (HJR) analysis is a widely used method for guaranteeing safety under worst-case disturbances. Traditional HJR methods provide safety guarantees but suffer from the curse of dimensionality, limiting their scalability to high-dimensional systems or varying environmental conditions. In this work, we propose HJRNO, a neural operator-based framework for solving backward reachable tubes (BRTs) efficiently and accurately. By leveraging the Fourier Neural Operator (FNO), HJRNO learns a mapping between value functions, enabling fast inference with strong generalization across different obstacle shapes, system configurations, and hyperparameters. We demonstrate that HJRNO achieves low error on random obstacle scenarios and generalizes effectively across varying system dynamics. These results suggest that HJRNO offers a promising foundation model approach for scalable, real-time safety analysis in autonomous systems.

arxiv情報

著者 Yankai Li,Mo Chen
発行日 2025-04-28 17:06:05+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 | HJRNO: Hamilton-Jacobi Reachability with Neural Operators はコメントを受け付けていません