日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

週刊ニュースレター購読
マニピュレーションarXiv:2610.08441

密度関数を用いた安全なマルチロボット協調搬送

Safe Multi-Robot Collaborative Transport Using Density Functions

シェア:XThreadsFacebookLINEはてブBluesky

複数の四足ロボットが密度ベースの階層型MPCで協調し、狭い通路で物体を押して目標姿勢へ運ぶ手法を提案。

詳しい要約

1. どんなもの?

- 四足歩行ロボット群が協調して物体を押し,目標姿勢へ運ぶための階層型 density-based MPC フレームワーク. - 初期姿勢と目標姿勢のみを与え,参照軌道の事前計算を必要としない. - 中央集権的な box-level MPC と,各ロボットの分散 whole-body MPC からなる. - MuJoCo 上で Unitree Go2 を 2 台および 3 台用いて狭い通路での剛体押し運びを評価.

2. 先行研究と比べてどこがすごい?

- 参照軌道を事前計算せず,初期・目標姿勢のみから協調押し運びを実現する点. - Control Barrier Function および RRT* ベースの追従ベースラインと比較し,density-based 定式化の有効性を示す. - push-only かつ力・トルクが連成する操作タスクに適用可能. - 階層型で集中と分散を組み合わせ,静的障害物と近傍ロボットの時変位置を考慮する.

3. 技術・手法の肝は?

- 中央集権的 box-level MPC が接触力を最適化し,目標収束と障害物回避のための control-density 制約を課す. - 各ロボットは shared-information 仮定の下で分散 robot-level whole-body MPC を解く. - ロボットは移動する接触位置を追従しつつ,静的障害物と近傍ロボットの時変位置を考慮する. - density 関数に基づく制約が目標収束と障害物回避を統一的に扱う.

4. どうやって有効だと検証した?

- MuJoCo 上で whole-body contact dynamics を用いて評価. - Unitree Go2 四足歩行ロボット 2 台および 3 台が剛体を狭い通路で協調押し運びする設定. - Control Barrier Function および RRT* ベースの追従ベースラインと比較. - 実装動画が https://jaggu2606.github.io/go2-density-mpc-pushing/ で公開.

5. 議論はある?

- 要旨からは不明. - ただし,push-only かつ力・トルク連成操作における density-based 定式化の有効性が比較により示されている.

6. 次に読むべき論文は?

- Control Barrier Function ベースの追従手法. - RRT* ベースの追従手法. - 関連する density-based MPC や multi-robot collaborative transport の研究.

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Jagannath Prasad Sahoo, Sriram S. K. S. Narayanan, Umesh Vaidya

分類: cs.RO

原文アブストラクト

This paper presents a hierarchical density-based model predictive control framework for safe collaborative manipulation by multiple quadrupedal robots. The framework enables a team of robots to push a shared object to a desired pose using only the initial and goal poses, without requiring a precomputed reference trajectory. A centralized box-level MPC optimizes contact forces while enforcing a control-density constraint for goal convergence and obstacle avoidance. Each robot then solves its own distributed robot-level whole-body MPC, under a stated shared-information assumption, to track its moving contact location while accounting for static obstacles and the time-varying positions of neighboring robots. The approach is evaluated in MuJoCo using whole-body contact dynamics for two and three Unitree Go2 quadrupeds collaboratively pushing rigid objects through narrow passages. Comparisons with matched Control Barrier Function and RRT* based tracking baselines demonstrate the effectiveness of the proposed density-based formulation for push-only, force- and torque-coupled manipulation tasks. Implementation videos are available at https://jaggu2606.github.io/go2-density-mpc-pushing/

関連論文

PR本紙発行元 EmplifAI