論文の概要: Fin-QD: A Computational Design Framework for Soft Grippers: Integrating
MAP-Elites and High-fidelity FEM
- arxiv url: http://arxiv.org/abs/2311.12477v1
- Date: Tue, 21 Nov 2023 09:38:03 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-23 01:19:28.585876
- Title: Fin-QD: A Computational Design Framework for Soft Grippers: Integrating
MAP-Elites and High-fidelity FEM
- Title（参考訳）: Fin-QD: MAPエリートと高忠実FEMを統合するソフトグリッパーのための計算設計フレームワーク
- Authors: Yue Xie, Xing Wang, Fumiya Iida, David Howard
- Abstract要約: この研究は、指をベースとしたソフトグリップの広大な設計空間を計算的に探索する際のギャップを埋めると同時に、単純な制御方式で大きな幾何学的に異なるオブジェクトタイプを把握している。
- 参考スコア（独自算出の注目度）: 14.554559832990835
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Computational design can excite the full potential of soft robotics that has
the drawbacks of being highly nonlinear from material, structure, and contact.
Up to date, enthusiastic research interests have been demonstrated for
individual soft fingers, but the frame design space (how each soft finger is
assembled) remains largely unexplored. Computationally design remains
challenging for the finger-based soft gripper to grip across multiple
geometrical-distinct object types successfully. Including the design space for
the gripper frame can bring huge difficulties for conventional optimisation
algorithms and fitness calculation methods due to the exponential growth of
high-dimensional design space. This work proposes an automated computational
design optimisation framework that generates gripper diversity to individually
grasp geometrically distinct object types based on a quality-diversity
approach. This work first discusses a significantly large design space (28
design parameters) for a finger-based soft gripper, including the
rarely-explored design space of finger arrangement that is converted to various
configurations to arrange individual soft fingers. Then, a contact-based Finite
Element Modelling (FEM) is proposed in SOFA to output high-fidelity grasping
data for fitness evaluation and feature measurements. Finally, diverse gripper
designs are obtained from the framework while considering features such as the
volume and workspace of grippers. This work bridges the gap of computationally
exploring the vast design space of finger-based soft grippers while grasping
large geometrically distinct object types with a simple control scheme.
- Abstract（参考訳）: 計算設計は、材料、構造、接触から高度に非線形であるという欠点を持つソフトロボティクスの可能性を最大限に発揮することができる。
これまで、個々の柔らかい指に対して熱心に研究の関心が示されてきたが、フレームデザイン空間(各軟らかい指の組み立て方)はいまだに明らかにされていない。
指ベースのソフトグリッパーは、複数の幾何学的特徴を持つオブジェクトタイプをうまく握ることが難しい。
グリップフレームの設計空間を含むと、高次元設計空間の指数的成長により、従来の最適化アルゴリズムや適合度計算法に大きな困難が生じる。
本研究は, 幾何学的に異なる物体タイプを個々に把握するために, グリッパーの多様性を生成する自動計算設計最適化フレームワークを提案する。
本研究はまず, 指を用いたソフトグリッパーの設計空間(28設計パラメータ)について検討し, 個々のソフトフィンガーを配置するために, 様々な形状に変換されるフィンガー配置の稀な設計空間について考察した。
そして, 接触型有限要素モデリング(FEM)をSOFAに提案し, 適合度評価と特徴量測定のための高忠実度把握データを出力する。
最後に、グリッパーのボリュームやワークスペースなどの特徴を考慮しながら、フレームワークから多様なグリッパー設計を得る。
この研究は、指ベースのソフトグリッパーの広大なデザイン空間を計算的に探究するギャップを埋めると同時に、単純な制御方式で大きな幾何学的に異なるオブジェクトタイプを把握している。
関連論文リスト
- A 'MAP' to find high-performing soft robot designs: Traversing complex design spaces using MAP-elites and Topology Optimization [5.774729866385869]
高品質で製造可能な設計を生産する計算設計ツールは広く採用されていない。
本研究では,多種多様な高性能ソフトロボットを生成するための階層的設計最適化手法について検討する。
本手法は, ソフトと剛性の両方において, 複雑な設計領域の部品を設計するための新しい枠組みを提供する。
論文 参考訳（メタデータ） (2024-07-10T12:27:17Z) - Flatten Anything: Unsupervised Neural Surface Parameterization [76.4422287292541]
本研究では,FAM(Flatten Anything Model)を導入し,グローバルな自由境界面パラメータ化を実現する。
従来の手法と比較して,FAMは接続情報を活用することなく,個別の面上で直接動作する。
当社のFAMは前処理を必要とせずに完全に自動化されており,高度に複雑なトポロジを扱うことができる。
論文 参考訳（メタデータ） (2024-05-23T14:39:52Z) - I-Design: Personalized LLM Interior Designer [57.00412237555167]
I-Designはパーソナライズされたインテリアデザイナで、自然言語によるコミュニケーションを通じて設計目標の生成と視覚化を可能にする。
I-Designは、対話や論理的推論に従事する大きな言語モデルエージェントのチームから始まる。
最終的な設計は、既存のオブジェクトデータベースから資産を取り出し、統合することで、3Dで構築されます。
論文 参考訳（メタデータ） (2024-04-03T16:17:53Z) - 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) - SoftZoo: A Soft Robot Co-design Benchmark For Locomotion In Diverse
Environments [111.91255476270526]
我々は,多様な環境下での移動を支援するソフトロボットの共同設計プラットフォームであるSoftZooを紹介する。
SoftZooは、平らな地面、砂漠、湿地、粘土、氷、雪、浅い水、海などの環境をシミュレートする機能など、自然にヒントを得た幅広い素材セットをサポートしている。
それは、高速な移動、アジャイルな回転、パスフォローなど、ソフトロボティクスに関連するさまざまなタスクを提供し、形態学と制御のための微分可能な設計表現を提供する。
論文 参考訳（メタデータ） (2023-03-16T17:59:50Z) - Equivariant Architectures for Learning in Deep Weight Spaces [54.61765488960555]
重み空間の学習のための新しいネットワークアーキテクチャを提案する。
入力として、事前訓練された不変量の重みとバイアスの連結をとる。
これらのレイヤを3つの基本的な操作で実装する方法を示す。
論文 参考訳（メタデータ） (2023-01-30T10:50:33Z) - Physical Design using Differentiable Learned Simulators [9.380022457753938]
逆設計では、学習したフォワードシミュレータは勾配に基づく設計最適化と組み合わせられる。
この枠組みは数百歩の軌跡を伝播することで高品質な設計を行う。
この結果から,機械学習をベースとしたシミュレータは,いくつかの課題があるにもかかわらず,汎用設計の最適化をサポートできる段階まで成熟していることが示唆された。
論文 参考訳（メタデータ） (2022-02-01T19:56:39Z) - A Simple Single-Scale Vision Transformer for Object Localization and
Instance Segmentation [79.265315267391]
We propose a simple and compact ViT architecture called Universal Vision Transformer (UViT)。
UViTは、オブジェクト検出とインスタンスセグメンテーションタスクで強力なパフォーマンスを達成する。
論文 参考訳（メタデータ） (2021-12-17T20:11:56Z) - An End-to-End Differentiable Framework for Contact-Aware Robot Design [37.715596272425316]
我々は、接触認識ロボット設計のためのエンドツーエンドの差別化可能なフレームワークを構築した。
変形に基づく新しいパラメータ化により、任意の複雑な幾何学を持つ剛体ロボットを設計することができる。
微分可能な剛体シミュレータは、接触豊富なシナリオを処理し、運動パラメータと動的パラメータの完全なスペクトルに対する解析的勾配を計算することができる。
論文 参考訳（メタデータ） (2021-07-15T17:53:44Z) - Fit2Form: 3D Generative Model for Robot Gripper Form Design [17.77153086504066]
ロボットのエンドエフェクターの3次元形状は、その機能と全体的な性能を決定する上で重要な役割を果たす。
多くの産業アプリケーションは、システムの堅牢性と正確性を保証するためにタスク固有のグリッパー設計に依存している。
この研究の目的は、機械学習アルゴリズムを使用してタスク固有のグリップパー指の設計を自動化することである。
論文 参考訳（メタデータ） (2020-11-12T17:09:36Z) - Reconfigurable Design for Omni-adaptive Grasp Learning [14.25785215435502]
我々は,全方向適応型ソフトフィンガー構造を用いたロボットグリップの再構成可能な設計を採用する。
3フィンガーと4フィンガーのラジアル構成は、平均96%の成功率を達成する最も効果的な構成である。
論文 参考訳（メタデータ） (2020-02-29T20:48:58Z)
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。