刚性载荷协同轨道运输的去中心化双层优化框架
研究提出一种去中心化双层优化框架,通过内层凸推力分配和外层载荷扭矩轨迹搜索,解决航天器集群运输非合作目标的非凸轨迹优化问题。该方法无需完整非线性规划收敛即可快速获得燃料高效解,性能随代理数量可扩展,并通过蒙特卡洛仿真验证了理论收敛及故障恢复能力。
研究提出一种去中心化双层优化框架,通过内层凸推力分配和外层载荷扭矩轨迹搜索,解决航天器集群运输非合作目标的非凸轨迹优化问题。该方法无需完整非线性规划收敛即可快速获得燃料高效解,性能随代理数量可扩展,并通过蒙特卡洛仿真验证了理论收敛及故障恢复能力。
该研究提出一种新方法,使机器人前馈控制动作能根据负载参数泛化,无需机器人动态模型知识,适用于刚性关节和弹性关节机器人。实验在 Franka Emika Panda 机器人及其弹性腕版本上验证了算法在轨迹跟踪任务中的有效性。
研究人员提出了一种新模型,能够直接协同生成任意骨骼结构的3D运动和视频,同时定位关节位置并恢复相机姿态。该模型通过分离运动模型与视频模型,使用交叉注意力层连接,支持从文本生成多样化骨骼动画,并能将视频转换为骨骼运动,实现关键帧控制。研究团队使用生成式视频编辑器创建了近20万训练对,评估显示该方法比视频优先管道更忠实于原始动作。
研究提出 CoopUQ 框架,通过跨机器人时空特征融合预测未来占用网格地图,并利用预测结果及不确定性引导多机器人强化学习决策,在遮挡和分布外场景下提升安全性和鲁棒性。实验显示该框架在 Unity3D 模拟环境和真实机器人测试中均优于基准方法。代码和视频已公开。
PhysSkin++ 通过自监督神经蒙皮场学习连续变形子空间,支持跨形状泛化、实时简化模拟及网格/点云/3D高斯绑定,可控制碰撞感知动画并补充弹性响应。
PhysLDM 提出统一的潜在扩散范式,实现米级场景下78倍token压缩与2.48mm重建精度。该模型通过时空VAE避免阶梯伪影,并发现扩散模型比确定性回归更适合处理混沌的可变形动力学数据。训练后可零泛化到未见OOD数据集,支持逆问题求解与高阶设计优化。
SparseMax-dSTL 通过稀疏梯度投影构建时序逻辑轨迹优化,确保梯度权重始终为正且独立于时间跨度。在平面独轮车和七关节机械臂仿真中,其梯度权重在违规样本上保持1,而传统方法随时间衰减至0.04。该方法约束返回的轨迹满足规范要求,优于现有近似方法。
该研究提出基于分类变分自编码器的航天器检测规划框架,通过图像隐方差替代几何可见性检查。在物理仿真中,该方法平均亮度达0.57,81.6%观测值高于0.25,显著优于几何规划方案。