論文の概要: Learning to swim efficiently in a nonuniform flow field

• arxiv url: http://arxiv.org/abs/2212.11482v1
• Date: Thu, 22 Dec 2022 04:51:47 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-23 15:38:01.940550
• Title: Learning to swim efficiently in a nonuniform flow field
• Title（参考訳）: 非一様流れ場で効率的に泳ぐことを学ぶ
• Authors: Krongtum Sankaewtong, John J. Molina, Matthew S. Turner and Ryoichi Yamamoto
• Abstract要約: マイクロスウィマーは、機械的キューを感知することで、周囲の流体に関する情報を取得することができる。 本研究では,スイマーを訓練して特定の水泳課題を遂行するために,局所的および非局所的情報をいかに活用できるかを検討する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Microswimmers can acquire information on the surrounding fluid by sensing mechanical queues. They can then navigate in response to these signals. We analyse this navigation by combining deep reinforcement learning with direct numerical simulations to resolve the hydrodynamics. We study how local and non-local information can be used to train a swimmer to achieve particular swimming tasks in a non-uniform flow field, in particular a zig-zag shear flow. The swimming tasks are (1) learning how to swim in the vorticity direction, (2) the shear-gradient direction, and (3) the shear flow direction. We find that access to lab frame information on the swimmer's instantaneous orientation is all that is required in order to reach the optimal policy for (1,2). However, information on both the translational and rotational velocities seem to be required to achieve (3). Inspired by biological microorganisms we also consider the case where the swimmers sense local information, i.e. surface hydrodynamic forces, together with a signal direction. This might correspond to gravity or, for micro-organisms with light sensors, a light source. In this case, we show that the swimmer can reach a comparable level of performance as a swimmer with access to lab frame variables. We also analyse the role of different swimming modes, i.e. pusher, puller, and neutral swimmers.
• Abstract（参考訳）: マイクロスウィマーは機械キューを感知することで周囲の流体に関する情報を取得することができる。 そして、これらの信号に反応してナビゲートできる。 深部強化学習と直接数値シミュレーションを組み合わせて流体力学を解くことにより,この航法を解析する。 本研究では,非一様流場,特にジグザグせん断流れにおいて,スイマーの訓練に局所的および非局所的情報をいかに活用するかを検討する。 水泳課題は,(1)渦方向に泳ぎ方を学ぶこと,(2)せん断勾配方向,(3)せん断流方向を学ぶことである。 その結果, (1,2) の最適方針に達するためには, スイマーの瞬時方向に関するラボフレーム情報へのアクセスが不可欠であることが判明した。 しかし、翻訳速度と回転速度の両方に関する情報は、(3)を達成するために必要と思われる。 また,生物微生物に触発されたスイマーが局所的な情報,すなわち表面の流体力学的力や信号方向を感知するケースについても考察する。 これは重力や、光センサーを持つ微生物の光源に相当するかもしれない。 この場合、スイマーは、実験室のフレーム変数にアクセスできるスイマーとして、同等のパフォーマンスに達することが示される。 我々はまた、異なる水泳モード、すなわちプッシュ、プル、中立スイマーの役割を分析する。

関連論文リスト

• Deep reinforcement learning for tracking a moving target in jellyfish-like swimming [16.727471388063893]
  本研究では,ゼリーフィッシュのようなスイマーを訓練し,運動目標を二次元の流れで追跡する深層強化学習法を開発した。 深層Qネットワーク(DQN)を用いて,スイマーの幾何と動的パラメータを入力とし,スイマーに適用される力である動作を出力する。
  論文  参考訳（メタデータ） (2024-09-13T13:29:46Z)
• Emergence of Chemotactic Strategies with Multi-Agent Reinforcement Learning [1.9253333342733674]
  ケモタキシーの訓練において,強化学習が生物学的システムに対する洞察を与えることができるかどうかを検討する。 各種エージェントの形状,サイズ,水泳速度をシミュレーションし,生物学的水泳選手の身体的制約,すなわちブラウン運動が,強化学習者のトレーニングが失敗する地域につながるかどうかを判定する。 RLの薬剤は、物理的に可能であればすぐに遊泳でき、場合によっては、アクティブスイミングが環境を圧倒する前にも、遊泳が可能であることが判明した。
  論文  参考訳（メタデータ） (2024-04-02T14:42:52Z)
• Learning to Predict Navigational Patterns from Partial Observations [63.04492958425066]
  本稿では,実環境におけるナビゲーションのパターンを,部分的な観察のみから推測する,初めての自己教師型学習(SSL)手法を提案する。 我々は、DSLPフィールドに最大極大グラフを適合させることにより、グローバルなナビゲーションパターンを推論する方法を実証する。 実験により,我々のSSLモデルはnuScenesデータセット上で2つのSOTA教師付きレーングラフ予測モデルより優れていることが示された。
  論文  参考訳（メタデータ） (2023-04-26T02:08:46Z)
• Learning-based estimation of in-situ wind speed from underwater acoustics [58.293528982012255]
  水中音響から風速時系列を検索するための深層学習手法を提案する。 我々のアプローチは、事前の物理知識と計算効率の両面から恩恵を受けるために、データ同化と学習ベースのフレームワークをブリッジする。
  論文  参考訳（メタデータ） (2022-08-18T15:27:40Z)
• Position fixing with cold atom gravity gradiometers [56.45088569868981]
  冷間原子干渉計による部分重力勾配解を用いた自律航法の位置固定法を提案する。 標準のオープンソースグローバル重力データベースを用いて,1000kmを超える軌道に対する安定した航法解を示す。
  論文  参考訳（メタデータ） (2022-04-11T16:42:32Z)
• Simultaneous boundary shape estimation and velocity field de-noising in Magnetic Resonance Velocimetry using Physics-informed Neural Networks [70.7321040534471]
  MRV(MR resonance velocimetry)は、流体の速度場を測定するために医療や工学で広く用いられている非侵襲的な技術である。 これまでの研究では、境界(例えば血管)の形状が先駆体として知られていた。 我々は、ノイズの多いMRVデータのみを用いて、最も可能性の高い境界形状と減音速度場を推定する物理インフォームニューラルネットワークを提案する。
  論文  参考訳（メタデータ） (2021-07-16T12:56:09Z)
• Learning Efficient Navigation in Vortical Flow Fields [6.585044528359311]
  非定常2次元流れ場を介して固定速度スイマーを操るために,新しい強化学習アルゴリズムを適用した。 このアルゴリズムは、環境の手がかりを深層ニューラルネットワークに入力し、スイマーの行動を決定する。 速度センシングアプローチは、バイオミメティック渦センシングアプローチをほぼ2倍の成功率で上回った。
  論文  参考訳（メタデータ） (2021-02-21T07:25:03Z)
• Learning to swim in potential flow [17.146927368452598]
  本研究では,潜在的流れ環境下での3リンク魚泳の簡単なモデルを提案する。 2つの水泳課題に対して最適な形状変化が得られます。 魚は漂流そのものを直接制御していないが、適度な漂流の存在を生かして目標に達する。
  論文  参考訳（メタデータ） (2020-09-30T06:31:27Z)
• A Data Scientist's Guide to Streamflow Prediction [55.22219308265945]
  我々は,水文降雨要素と流出モデルに着目し,洪水の予測と流れの予測に応用する。 このガイドは、データサイエンティストが問題や水文学的な概念、そしてその過程で現れる詳細を理解するのを助けることを目的としています。
  論文  参考訳（メタデータ） (2020-06-05T08:04:37Z)
• Pedestrian orientation dynamics from high-fidelity measurements [65.06084067891364]
  本研究では,歩行者の運動の一般的な物理的特性に基づいて学習するディープ・ニューラル・アーキテクチャに基づく新しい計測手法を提案する。 提案手法は, 誤差を7.5度まで低減し, 向きを推定できることを示す。 このツールは、方向が鍵となる人間の群集力学の研究において、新たな可能性を開く。
  論文  参考訳（メタデータ） (2020-01-14T07:08:31Z)
• Towards Automated Swimming Analytics Using Deep Neural Networks [28.167294398293297]
  本稿では,スイミング・アナリティクスの収集を自動化するシステムを構築する方法について考察する。 その結果,スイマー検出・追跡システムの訓練に適した総合的な水泳データ収集のガイドとなる。
  論文  参考訳（メタデータ） (2020-01-13T18:06:53Z)

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。