論文の概要: Origami Single-end Capacitive Sensing for Continuous Shape Estimation of Morphing Structures
- arxiv url: http://arxiv.org/abs/2307.05370v2
- Date: Sun, 28 Apr 2024 11:52:29 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-01 01:14:26.093707
- Title: Origami Single-end Capacitive Sensing for Continuous Shape Estimation of Morphing Structures
- Title（参考訳）: 整形構造物の連続形状推定のための折り紙単端キャパシタセンシング
- Authors: Lala Shakti Swarup Ray, Daniel Geißler, Bo Zhou, Paul Lukowicz, Berit Greinke,
- Abstract要約: そこで本稿では, 折り紙構造と静電容量センサを組み合わせることで, 形状追跡のための新しい一端型定形容量検出法FxCを提案する。
導電性材料を単一端容量感電パッチとして, 折り紙構造物の埋設領域で観察した。
実験結果から, 容量的信号から予測される幾何学的プリミティブは, R-二乗値が95%, パッチの追跡誤差が6.5mmの視覚的基底真理と強く相関していることがわかった。
- 参考スコア（独自算出の注目度）: 3.8738594788734306
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: In this work, we propose a novel single-end morphing capacitive sensing method for shape tracking, FxC, by combining Folding origami structures and Capacitive sensing to detect the morphing structural motions using state-of-the-art sensing circuits and deep learning. It was observed through embedding areas of origami structures with conductive materials as single-end capacitive sensing patches, that the sensor signals change coherently with the motion of the structure. Different from other origami capacitors where the origami structures are used in adjusting the thickness of the dielectric layer of double-plate capacitors, FxC uses only a single conductive plate per channel, and the origami structure directly changes the geometry of the conductive plate. We examined the operation principle of morphing single-end capacitors through 3D geometry simulation combined with physics theoretical deduction, which deduced similar behaviour as observed in experimentation. Then a software pipeline was developed to use the sensor signals to reconstruct the dynamic structural geometry through data-driven deep neural network regression of geometric primitives extracted from vision tracking. We created multiple folding patterns to validate our approach, based on folding patterns including Accordion, Chevron, Sunray and V-Fold patterns with different layouts of capacitive sensors using paper-based and textile-based materials. Experimentation results show that the geometry primitives predicted from the capacitive signals have a strong correlation with the visual ground truth with R-squared value of up to 95% and tracking error of 6.5 mm for patches. The simulation and machine learning constitute two-way information exchange between the sensing signals and structural geometry.
- Abstract（参考訳）: 本研究では, 折り紙構造体と容量型構造体を組み合わせ, 最先端のセンサ回路と深層学習を用いて変形構造体の動きを検出することで, 形状追跡のための新しい一端型モーフィング容量検出法FxCを提案する。
導電性材料を単一端容量感電パッチとして織り込んだ折り紙構造物の埋没部から, センサ信号が構造物の運動と整合的に変化するのを観察した。
両板コンデンサの誘電層の厚み調整に折り紙構造を用いる他の折り紙コンデンサとは異なり、FxCはチャネル毎に1つの導電板のみを使用し、折り紙構造は導電板の形状を直接変更する。
実験で観察された同様の挙動を導出する物理理論推論と3次元幾何シミュレーションにより, 単端キャパシタの動作原理を考察した。
その後、センサー信号を用いて、視覚追跡から抽出された幾何学的プリミティブの、データ駆動のディープニューラルネットワークレグレッションにより、動的構造幾何を再構築するソフトウェアパイプラインが開発された。
アコーディオン,Chevron,Sunray,V-Foldなどの折りたたみパターンを,紙ベースの材料と繊維ベースの材料を用いて,コンデンサセンサの配置の異なるパターンに基づいて,複数の折りたたみパターンを作成し,そのアプローチを検証する。
実験の結果, 容量的信号から予測される幾何学的プリミティブは, R-二乗値が95%, パッチの追跡誤差が6.5mmの視覚的基底真理と強く相関していることがわかった。
シミュレーションと機械学習は、センシング信号と構造幾何学との間の双方向情報交換を構成する。
関連論文リスト
- A Recipe for Geometry-Aware 3D Mesh Transformers [2.0992612407358293]
本研究では, ノード数可変のパッチを収容するパッチレベルで, 特徴を埋め込む手法について検討する。
本研究は,1)一般的な3次元メッシュトランスフォーマにおける熱拡散による構造的および位置的埋め込みの重要性,2)学習の強化における測地的マスキングや機能的相互作用といった新しい要素の有効性,3)セグメント化と分類作業の課題における提案手法の優れた性能と効率性など,重要な知見を浮き彫りにしている。
論文 参考訳（メタデータ） (2024-10-31T19:13:31Z) - Fast and Reliable Probabilistic Reflectometry Inversion with Prior-Amortized Neural Posterior Estimation [73.81105275628751]
リフレクションメトリデータと互換性のある全ての構造を見つけることは、標準アルゴリズムでは計算が禁止される。
この信頼性の欠如に対処するため,確率論的深層学習法を用いて,現実的な構造を数秒で識別する。
提案手法は,シミュレーションに基づく推論と新しい適応型事前推定を併用する。
論文 参考訳（メタデータ） (2024-07-26T10:29:16Z) - Explorable Mesh Deformation Subspaces from Unstructured Generative
Models [53.23510438769862]
3次元形状の深い生成モデルは、しばしば潜在的な変動を探索するために使用できる連続的な潜伏空間を特徴付ける。
本研究では,手軽に探索可能な2次元探索空間から事前学習された生成モデルのサブ空間へのマッピングを構築することで,与えられたランドマーク形状の集合間のバリエーションを探索する手法を提案する。
論文 参考訳（メタデータ） (2023-10-11T18:53:57Z) - Neural Wavelet-domain Diffusion for 3D Shape Generation, Inversion, and
Manipulation [54.09274684734721]
本稿では,ウェーブレット領域における連続的な暗黙表現の直接生成モデルを用いて,3次元形状の生成,反転,操作を行う新しい手法を提案する。
具体的には、1対の粗い係数と細部係数の体積を持つコンパクトなウェーブレット表現を提案し、トランケートされた符号付き距離関数とマルチスケールの生体直交ウェーブレットを介して3次元形状を暗黙的に表現する。
エンコーダネットワークを共同でトレーニングすることで,形状を反転させる潜在空間を学習することができる。
論文 参考訳（メタデータ） (2023-02-01T02:47:53Z) - Exploring the structure-property relations of thin-walled, 2D extruded
lattices using neural networks [2.3677503557659705]
本稿では, 動的長手圧縮下における薄肉格子の構造・物性関係について検討する。
我々は、異なる格子設計を生成するキーベース設計システムを提案し、その有限要素を用いてジョンソン・クック材料モデルによる応答をシミュレートした。
オートエンコーダを用いて格子の断面画像を潜在設計特徴ベクトルに符号化し、ニューラルネットワークモデルに供給して予測を生成する。
論文 参考訳（メタデータ） (2022-05-13T16:45:54Z) - Disentangling multiple scattering with deep learning: application to
strain mapping from electron diffraction patterns [48.53244254413104]
我々は、高非線形電子回折パターンを定量的構造因子画像に変換するために、FCU-Netと呼ばれるディープニューラルネットワークを実装した。
結晶構造の異なる組み合わせを含む20,000以上のユニークな動的回折パターンを用いてFCU-Netを訓練した。
シミュレーションされた回折パターンライブラリ、FCU-Netの実装、訓練されたモデルの重み付けは、オープンソースリポジトリで自由に利用可能です。
論文 参考訳（メタデータ） (2022-02-01T03:53:39Z) - A deep learning driven pseudospectral PCE based FFT homogenization
algorithm for complex microstructures [68.8204255655161]
提案手法は,従来の手法よりも高速に評価できる一方で,興味の中心モーメントを予測できることを示す。
提案手法は,従来の手法よりも高速に評価できると同時に,興味の中心モーメントを予測できることを示す。
論文 参考訳（メタデータ） (2021-10-26T07:02:14Z) - 3D Reconstruction of Curvilinear Structures with Stereo Matching
DeepConvolutional Neural Networks [52.710012864395246]
本稿では,立体対における曲線構造の検出とマッチングのための完全自動パイプラインを提案する。
主に、TEM画像のステレオ対から転位を3次元再構成することに焦点を当てる。
論文 参考訳（メタデータ） (2021-10-14T23:05:47Z) - Analysis and Prediction of Deforming 3D Shapes using Oriented Bounding
Boxes and LSTM Autoencoders [0.966840768820136]
アーキテクチャは、133の異なるコンポーネントを持つモデルの196台の車両衝突シミュレーションの結果に基づいてテストされる。
潜在表現では、異なる成分の塑性変形のパターンを検出することができる。
予測されたバウンディングボックスは最終シミュレーション結果を推定し、その品質を異なるベースラインと比較して改善する。
論文 参考訳（メタデータ） (2020-08-31T08:07:32Z) - On Iterative Neural Network Pruning, Reinitialization, and the
Similarity of Masks [0.913755431537592]
我々は, 共通の反復的打ち込み手法を用いて, 打ち抜きモデルの接続構造と学習力学の相違を解析した。
重量安定性はアポサイトプルーニング技術によって自動的に達成できるという実証的証拠を示す。
論文 参考訳（メタデータ） (2020-01-14T21:11:19Z)
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。