論文の概要: DiffAqua: A Differentiable Computational Design Pipeline for Soft Underwater Swimmers with Shape Interpolation

• arxiv url: http://arxiv.org/abs/2104.00837v1
• Date: Fri, 2 Apr 2021 01:18:15 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-05 13:38:56.993012
• Title: DiffAqua: A Differentiable Computational Design Pipeline for Soft Underwater Swimmers with Shape Interpolation
• Title（参考訳）: DiffAqua:形状補間を有する軟式水中スイマーのための微分計算設計パイプライン
• Authors: Pingchuan Ma, Tao Du, John Z. Zhang, Kui Wu, Andrew Spielberg, Robert K. Katzschmann, Wojciech Matusik
• Abstract要約: ソフトスイマーの幾何とコントローラを協調設計するための,異なるパイプラインを提案する。 私たちのパイプラインは、新しいスイマーデザインを発見するためのグラデーションベースのアルゴリズムを解き放ちます。 本研究では, 高速, 安定, エネルギー効率などの各種設計問題に対する提案手法の有効性を実証する。
• 参考スコア（独自算出の注目度）: 31.857848904652222
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The computational design of soft underwater swimmers is challenging because of the high degrees of freedom in soft-body modeling. In this paper, we present a differentiable pipeline for co-designing a soft swimmer's geometry and controller. Our pipeline unlocks gradient-based algorithms for discovering novel swimmer designs more efficiently than traditional gradient-free solutions. We propose Wasserstein barycenters as a basis for the geometric design of soft underwater swimmers since it is differentiable and can naturally interpolate between bio-inspired base shapes via optimal transport. By combining this design space with differentiable simulation and control, we can efficiently optimize a soft underwater swimmer's performance with fewer simulations than baseline methods. We demonstrate the efficacy of our method on various design problems such as fast, stable, and energy-efficient swimming and demonstrate applicability to multi-objective design.
• Abstract（参考訳）: 柔らかい水中水泳選手の計算設計は、ソフトボディモデリングにおける高い自由度のために困難である。 本稿では,ソフトスイマーの形状とコントローラを共設計するための微分可能なパイプラインを提案する。 従来のグラデーションフリーソリューションよりも,新しいスイマー設計を効率的に発見するために,グラデーションベースのアルゴリズムをアンロックする。 本研究は, 軟式水中泳泳者の幾何学的設計の基盤として, 生体インスパイアされた底面形状を最適輸送により自然に補間できるワッサースタイン・バリセンツを提案する。 この設計空間と、異なるシミュレーションと制御を組み合わせることで、ベースライン法よりも少ないシミュレーションで、柔らかい水中スイマーの性能を効率的に最適化することができる。 本研究では, 高速, 安定, エネルギー効率などの設計問題に対する本手法の有効性を実証し, 多目的設計への適用性を示した。

関連論文リスト

• NeuralFluid: Neural Fluidic System Design and Control with Differentiable Simulation [36.0759668955729]
  本稿では,動的固体境界を持つ複雑な流体系のニューラルコントロールと設計を探求する新しい枠組みを提案する。 本システムでは, 高速で微分可能なNavier-Stokesソルバと, ソリッド流体インタフェースのハンドリングを行う。 高忠実で高分解能な動的流体環境における設計・制御・学習タスクのベンチマークを示す。
  論文  参考訳（メタデータ） (2024-05-22T21:16:59Z)
• Compositional Generative Inverse Design [69.22782875567547]
  入力変数を設計して目的関数を最適化する逆設計は重要な問題である。 拡散モデルにより得られた学習エネルギー関数を最適化することにより、そのような逆例を避けることができることを示す。 N-body 相互作用タスクと2次元多面体設計タスクにおいて,実験時に学習した拡散モデルを構成することにより,初期状態と境界形状を設計できることを示す。
  論文  参考訳（メタデータ） (2024-01-24T01:33:39Z)
• Optimization of the Shape of a Hydrokinetic Turbine's Draft Tube and Hub Assembly Using Design-by-Morphing with Bayesian Optimization [0.0]
  流体力学や空力面の最適設計を見つけることは、コスト関数を評価するコストがかかるため、しばしば不可能である。 デザイン・バイ・モーフィング(DbM)と呼ばれるモーフィングを用いてデザイン空間を作成する手法を提案する。 本研究では,水力タービンの出力を最大化するために,この形状最適化手法を適用した。
  論文  参考訳（メタデータ） (2022-07-23T07:39:27Z)
• Differentiable Simulation of Soft Multi-body Systems [99.4302215142673]
  我々は、Projective Dynamics内でトップダウン行列アセンブリアルゴリズムを開発する。 筋肉,関節トルク,空気圧管によって駆動される軟口蓋体に対して,異なる制御機構を導出する。
  論文  参考訳（メタデータ） (2022-05-03T20:03:22Z)
• Fast Aquatic Swimmer Optimization with Differentiable Projective Dynamics and Neural Network Hydrodynamic Models [23.480913364381664]
  水面移動(Aquatic locomotion)は、生物学者や技術者が関心を持つ古典的な流体構造相互作用(FSI)問題である。 本研究では, 変形可能なスイマーの固体構造に対する2次元数値シミュレーションを組み合わせた, FSI に完全微分可能な新しいハイブリッド手法を提案する。 2次元キャランギフォームスイマーにおけるハイブリッドシミュレータの計算効率と微分性を示す。
  論文  参考訳（メタデータ） (2022-03-30T15:21:44Z)
• Designing Air Flow with Surrogate-assisted Phenotypic Niching [117.44028458220427]
  品質多様性アルゴリズムであるサロゲート支援表現型ニッチを導入する。 計算に高価な表現型特徴を用いることで、大規模で多様な行動群を発見することができる。 本研究では,2次元流体力学最適化問題における気流の種類を明らかにする。
  論文  参考訳（メタデータ） (2021-05-10T10:45:28Z)
• Learning swimming escape patterns under energy constraints [6.014777261874645]
  流れシミュレーションは、天然の幼生スイマーで観察されたものと一致する脱出パターンを特定した。 エネルギー制約下でスイマー脱出パターンを発見するために強化学習を展開する。
  論文  参考訳（メタデータ） (2021-05-03T11:58:37Z)
• Machine learning for rapid discovery of laminar flow channel wall modifications that enhance heat transfer [56.34005280792013]
  任意の, 平坦な, 非平坦なチャネルの正確な数値シミュレーションと, ドラッグ係数とスタントン数を予測する機械学習モデルを組み合わせる。 畳み込みニューラルネットワーク(CNN)は,数値シミュレーションのわずかな時間で,目標特性を正確に予測できることを示す。
  論文  参考訳（メタデータ） (2021-01-19T16:14:02Z)
• DiffPD: Differentiable Projective Dynamics with Contact [65.88720481593118]
  DiffPDは、暗黙の時間積分を持つ効率的な微分可能なソフトボディシミュレータである。 我々はDiffPDの性能を評価し,様々な応用における標準ニュートン法と比較して4～19倍のスピードアップを観測した。
  論文  参考訳（メタデータ） (2021-01-15T00:13:33Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。