論文の概要: Differentiable Simulation of Soft Multi-body Systems
- arxiv url: http://arxiv.org/abs/2205.01758v1
- Date: Tue, 3 May 2022 20:03:22 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-05 16:21:44.618865
- Title: Differentiable Simulation of Soft Multi-body Systems
- Title(参考訳): ソフトマルチボディシステムの微分可能シミュレーション
- Authors: Yi-Ling Qiao, Junbang Liang, Vladlen Koltun, Ming C. Lin
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 99.4302215142673
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present a method for differentiable simulation of soft articulated bodies.
Our work enables the integration of differentiable physical dynamics into
gradient-based pipelines. We develop a top-down matrix assembly algorithm
within Projective Dynamics and derive a generalized dry friction model for soft
continuum using a new matrix splitting strategy. We derive a differentiable
control framework for soft articulated bodies driven by muscles, joint torques,
or pneumatic tubes. The experiments demonstrate that our designs make soft body
simulation more stable and realistic compared to other frameworks. Our method
accelerates the solution of system identification problems by more than an
order of magnitude, and enables efficient gradient-based learning of motion
control with soft robots.
- Abstract(参考訳): 本稿では,軟関節物体の可微分シミュレーション法を提案する。
私たちの仕事は、微分可能な物理的ダイナミクスを勾配ベースのパイプラインに統合することを可能にします。
我々は,プロジェクティブ・ダイナミクス内でトップダウン行列組立アルゴリズムを開発し,新しい行列分割戦略を用いてソフト連続体に対する一般的なドライ摩擦モデルを導出する。
筋肉,関節トルク,空気圧チューブによって駆動される軟関節体に対する微分可能な制御枠組みを導出する。
実験により, ソフトボディシミュレーションを他のフレームワークと比較してより安定し, 現実的なものにした。
本手法は,システム識別問題の解法を桁違いに高速化し,ソフトロボットによる動作制御の勾配に基づく効率的な学習を可能にする。
関連論文リスト
- SoftMAC: Differentiable Soft Body Simulation with Forecast-based Contact
Model and Two-way Coupling with Articulated Rigid Bodies and Clothes [9.951804085669002]
我々は,柔らかい体と硬い体と衣服を結合させた微分可能なシミュレーションフレームワークであるSoftMACを提案する。
我々は,MPMの予測ベースの接触モデルを提供し,侵入や不自然なリバウンドといったアーティファクトを大幅に削減する。
本研究は,各モードのシミュレータと接触モデルに基づいて,軟体と他の2種類の材料との相互作用をシミュレートする,異種結合機構を開発した。
論文 参考訳(メタデータ) (2023-12-06T05:36:55Z) - DiffuseBot: Breeding Soft Robots With Physics-Augmented Generative
Diffusion Models [102.13968267347553]
本稿では,様々なタスクにおいて優れたソフトロボット形態を生成する物理拡張拡散モデルであるDiffuseBotを提案する。
我々は、その能力とともに、シミュレーションされた、そして製造された様々なロボットを紹介します。
論文 参考訳(メタデータ) (2023-11-28T18:58:48Z) - Learning Material Parameters and Hydrodynamics of Soft Robotic Fish via
Differentiable Simulation [26.09104786491426]
本フレームワークは, 実ハードウェアにおける複合バイモルフ曲げ構造の動的挙動の高精度予測を可能にする。
我々は,ロボットの材料パラメータと流体力学を学習するための,実験的に検証された高速な最適化パイプラインを実証した。
我々は水中ソフトロボットの特定の応用に焦点をあてるが、我々のフレームワークは空気圧で作動するソフトメカニズムにも適用できる。
論文 参考訳(メタデータ) (2021-09-30T05:24:02Z) - Efficient Differentiable Simulation of Articulated Bodies [89.64118042429287]
本稿では, 音素の効率的な微分可能シミュレーション法を提案する。
これにより、ボディダイナミクスを深層学習フレームワークに統合することが可能になる。
提案手法を用いて, 調音システムによる強化学習を高速化できることを示す。
論文 参考訳(メタデータ) (2021-09-16T04:48:13Z) - PlasticineLab: A Soft-Body Manipulation Benchmark with Differentiable
Physics [89.81550748680245]
PasticineLabと呼ばれる新しい微分可能な物理ベンチマークを導入する。
各タスクにおいて、エージェントはマニピュレータを使用して、プラスチックを所望の構成に変形させる。
本稿では,既存の強化学習(RL)手法と勾配に基づく手法について評価する。
論文 参考訳(メタデータ) (2021-04-07T17:59:23Z) - gradSim: Differentiable simulation for system identification and
visuomotor control [66.37288629125996]
本稿では,微分可能マルチフィジカルシミュレーションと微分可能レンダリングを活用し,3次元監督への依存を克服するフレームワークであるgradsimを提案する。
当社の統合グラフは、状態ベースの(3D)監督に頼ることなく、挑戦的なバイスモメータ制御タスクで学習を可能にします。
論文 参考訳(メタデータ) (2021-04-06T16:32:01Z) - ADD: Analytically Differentiable Dynamics for Multi-Body Systems with
Frictional Contact [26.408218913234872]
剛体および変形可能な物体に対する摩擦接触を処理できる微分可能な動的解法を提案する。
本手法は, 摩擦接触の非平滑な性質に起因した主な困難を回避できる。
論文 参考訳(メタデータ) (2020-07-02T09:51:36Z) - Euclideanizing Flows: Diffeomorphic Reduction for Learning Stable
Dynamical Systems [74.80320120264459]
本研究では、限られた数の人間の実演からそのような動きを学ぶためのアプローチを提案する。
複素運動は安定な力学系のロールアウトとして符号化される。
このアプローチの有効性は、確立されたベンチマーク上での検証と、現実世界のロボットシステム上で収集されたデモによって実証される。
論文 参考訳(メタデータ) (2020-05-27T03:51:57Z) - Automatic Differentiation and Continuous Sensitivity Analysis of Rigid
Body Dynamics [15.565726546970678]
剛体力学のための微分可能な物理シミュレータを提案する。
軌道最適化の文脈では、閉ループモデル予測制御アルゴリズムを導入する。
論文 参考訳(メタデータ) (2020-01-22T03:54:00Z)
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。