論文の概要: Machine Learning-Enabled Precision Position Control and Thermal
Regulation in Advanced Thermal Actuators
- arxiv url: http://arxiv.org/abs/2310.02583v1
- Date: Wed, 4 Oct 2023 05:01:47 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-05 16:20:24.777970
- Title: Machine Learning-Enabled Precision Position Control and Thermal
Regulation in Advanced Thermal Actuators
- Title（参考訳）: 先端熱アクチュエータにおける機械学習による高精度位置制御と温度制御
- Authors: Seyed Mo Mirvakili, Ehsan Haghighat, Douglas Sim
- Abstract要約: 外部センサを使わずにナイロン人工筋肉の位置を制御できることが示される。
所望の変位軌跡から所要の電力へのマッピングを,アンサンブル型エンコーダ型フィードフォワードニューラルネットワークを用いて構築する。
- 参考スコア（独自算出の注目度）: 0.6138671548064356
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: With their unique combination of characteristics - an energy density almost
100 times that of human muscle, and a power density of 5.3 kW/kg, similar to a
jet engine's output - Nylon artificial muscles stand out as particularly apt
for robotics applications. However, the necessity of integrating sensors and
controllers poses a limitation to their practical usage. Here we report a
constant power open-loop controller based on machine learning. We show that we
can control the position of a nylon artificial muscle without external sensors.
To this end, we construct a mapping from a desired displacement trajectory to a
required power using an ensemble encoder-style feed-forward neural network. The
neural controller is carefully trained on a physics-based denoised dataset and
can be fine-tuned to accommodate various types of thermal artificial muscles,
irrespective of the presence or absence of hysteresis.
- Abstract（参考訳）: 人間の筋肉の約100倍のエネルギー密度とジェットエンジンの出力に類似した5.3kw/kgのパワー密度という特徴のユニークな組み合わせにより、ナイロン人工筋肉は特にロボット工学の応用に適している。
しかし、センサーとコントローラを統合する必要性は、その実用化に限界をもたらす。
本稿では,機械学習に基づく定電力オープンループコントローラについて報告する。
外部センサを使わずにナイロン人工筋肉の位置を制御できることが示される。
この目的のために,アンサンブルエンコーダ型フィードフォワードニューラルネットワークを用いて,所望の変位軌跡から所要電力へのマッピングを構築する。
ニューラルコントローラは、物理ベースの分別データセットで慎重に訓練され、ヒステリシスの有無に関わらず、様々なタイプのサーマル人工筋肉に対応するように微調整することができる。
関連論文リスト
- Single Neuromorphic Memristor closely Emulates Multiple Synaptic
Mechanisms for Energy Efficient Neural Networks [71.79257685917058]
我々はこれらのシナプス機能を本質的にエミュレートするSrTiO3に基づく膜状ナノデバイスを実証する。
これらのメムリスタは、安定かつエネルギー効率の良い運転を可能にする非定常低導電系で機能する。
論文 参考訳（メタデータ） (2024-02-26T15:01:54Z) - Robot Learning with Sensorimotor Pre-training [98.7755895548928]
ロボット工学のための自己教師型感覚運動器事前学習手法を提案する。
我々のモデルはRTTと呼ばれ、センサモレータトークンのシーケンスで動作するトランスフォーマーである。
感覚運動の事前学習は、ゼロからトレーニングを一貫して上回り、優れたスケーリング特性を持ち、さまざまなタスク、環境、ロボット間での移動を可能にしている。
論文 参考訳（メタデータ） (2023-06-16T17:58:10Z) - Robotic vectorial field alignment for spin-based quantum sensors [2.8770761243361593]
磁石を装着したロボットアームは、標準的な技術では達成不可能な挑戦条件下で、NV中心の量子磁気センサを感知できることを示す。
我々の研究は、制約された設定で多くの量子自由度を統合する可能性を開く。
論文 参考訳（メタデータ） (2023-05-26T15:36:24Z) - Learning a Single Near-hover Position Controller for Vastly Different
Quadcopters [56.37274861303324]
本稿では,クワッドコプターのための適応型ニアホバー位置制御器を提案する。
これは、非常に異なる質量、大きさ、運動定数を持つクワッドコプターに展開することができる。
また、実行中に未知の障害に迅速に適応する。
論文 参考訳（メタデータ） (2022-09-19T17:55:05Z) - Hamiltonian-based Neural ODE Networks on the SE(3) Manifold For Dynamics
Learning and Control [15.26733033527393]
我々は、状態制御トラジェクトリのトレーニングセット上で、ロボットのダイナミクスを近似するために機械学習技術を使用する。
我々は、学習された、潜在的に不安定なSE(3)ハミルトン動力学のためのエネルギー整形および減衰注入制御を開発する。
論文 参考訳（メタデータ） (2021-06-24T06:13:20Z) - Physics-Integrated Variational Autoencoders for Robust and Interpretable
Generative Modeling [86.9726984929758]
我々は、不完全物理モデルの深部生成モデルへの統合に焦点を当てる。
本稿では,潜在空間の一部が物理によって基底づけられたVAEアーキテクチャを提案する。
合成および実世界のデータセットの集合に対して生成的性能改善を示す。
論文 参考訳（メタデータ） (2021-02-25T20:28:52Z) - Neuromorphic adaptive spiking CPG towards bio-inspired locomotion of
legged robots [58.720142291102135]
スパイクセントラルパターンジェネレーターは、外部刺激によって駆動される異なる移動パターンを生成します。
終端ロボットプラットフォーム(あらゆる脚ロボット)の移動は、任意のセンサーを入力として地形に適応することができる。
論文 参考訳（メタデータ） (2021-01-24T12:44:38Z) - A Spiking Central Pattern Generator for the control of a simulated
lamprey robot running on SpiNNaker and Loihi neuromorphic boards [1.8139771201780368]
本稿では,シミュレートされたランプレーモデルを制御する手段として,スパイクニューラルネットワークとニューロモルフィックハードウェアの実装を提案する。
センサ情報によって提供できるネットワークへの入力を変更することで,ロボットの方向や速度を動的に制御できることを示す。
スパイキングアルゴリズムのこのカテゴリは、エネルギー効率と計算速度の観点から、ニューロモルフィックハードウェアの理論的利点を利用する有望な可能性を示している。
論文 参考訳（メタデータ） (2021-01-18T11:04:16Z) - Control for Multifunctionality: Bioinspired Control Based on Feeding in
Aplysia californica [0.3277163122167433]
我々は,ニューラルバースト活動と簡単なバイオメカニクスをリアルタイムに高速にモデル化できるハイブリッドBooleanモデルフレームワークを開発した。
Aplysia californica 摂餌の多機能モデルについて述べる。
実験可能な仮説を定式化し,ロボット制御と神経科学への応用について考察する。
論文 参考訳（メタデータ） (2020-08-11T19:26:50Z) - Populations of Spiking Neurons for Reservoir Computing: Closed Loop
Control of a Compliant Quadruped [64.64924554743982]
本稿では,ニューラルネットワークを用いた中央パターン生成機構を実装し,閉ループロボット制御を実現するためのフレームワークを提案する。
本研究では,従順な四足歩行ロボットのシミュレーションモデル上で,予め定義された歩行パターン,速度制御,歩行遷移の学習を実演する。
論文 参考訳（メタデータ） (2020-04-09T14:32:49Z)
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。