GPU並列モード評価による接触リッチ動作計画

- Contact-rich motion planning (CRMP) の新しい手法 CoMET を提案する研究。 - 接触モード列の広範な評価を GPU 並列で行う点が特徴。 - GPU-parallel trajectory evaluation と greedy contact-mode expansion を組み合わせる。 - planar pushing と bimanual nonprehensile manipulation で評価。

- 既存手法は search heuristics や optimization reformulations で接触モード列の広範な評価を避ける傾向。 - 本研究は GPU ハードウェアを活かして広範評価を再検討。 - planar pushing で optimization-based, sampling, tree-search のベースラインと競合。 - ほぼ全インスタンスで full-enumeration reference に匹敵し、評価回数と計画時間を削減。

- Contact-Mode Expansion with parallel Trajectory optimization (CoMET)。 - GPU-parallel trajectory evaluation により高スループットで軌道を評価。 - greedy contact-mode expansion で接触モードを逐次拡張。 - bimanual nonprehensile manipulation では GPU-friendly local mode expansion を採用。

- planar pushing benchmarks で optimization-based, sampling, tree-search のベースラインと比較。 - full-enumeration reference とほぼ全インスタンスで一致。 - ablation により性能向上の多くが high-throughput trajectory evaluator に由来することを示唆。 - bimanual nonprehensile manipulation で mode space が大きくなるにつれ adaptive tree search より高い planning success を達成。

- 広範な明示的モード評価が CRMP の単純かつ効果的な代替手段であることを示す。 - 性能向上の主要因は high-throughput trajectory evaluator である可能性。 - 限界や今後の課題については要旨からは不明。

- 要旨で参照/比較されている研究: optimization-based, sampling, tree-search のベースライン、full-enumeration reference、adaptive tree search。 - 関連手法として contact-implicit trajectory optimization や sampling-based motion planning が挙げられる。