論文の概要: External-Wrench Estimation for Aerial Robots Exploiting a Learned Model
- arxiv url: http://arxiv.org/abs/2504.08156v1
- Date: Thu, 10 Apr 2025 22:45:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-04-14 14:17:46.743866
- Title: External-Wrench Estimation for Aerial Robots Exploiting a Learned Model
- Title（参考訳）: 学習モデルを用いた空中ロボットの外部Wレンチ推定
- Authors: Ayham Alharbat, Gabriele Ruscelli, Roberto Diversi, Abeje Mersha,
- Abstract要約: 本稿では、第一原理モデルとニューラルネットワークからなるハイブリッド力学モデルを用いた外部レンチ推定器を提案する。
このフレームワークは、最先端のモデルベースのレンチオブザーバの制限のひとつに対処する。
- 参考スコア（独自算出の注目度）: 0.0
- License:
- Abstract: This paper presents an external wrench estimator that uses a hybrid dynamics model consisting of a first-principles model and a neural network. This framework addresses one of the limitations of the state-of-the-art model-based wrench observers: the wrench estimation of these observers comprises the external wrench (e.g. collision, physical interaction, wind); in addition to residual wrench (e.g. model parameters uncertainty or unmodeled dynamics). This is a problem if these wrench estimations are to be used as wrench feedback to a force controller, for example. In the proposed framework, a neural network is combined with a first-principles model to estimate the residual dynamics arising from unmodeled dynamics and parameters uncertainties, then, the hybrid trained model is used to estimate the external wrench, leading to a wrench estimation that has smaller contributions from the residual dynamics, and affected more by the external wrench. This method is validated with numerical simulations of an aerial robot in different flying scenarios and different types of residual dynamics, and the statistical analysis of the results shows that the wrench estimation error has improved significantly compared to a model-based wrench observer using only a first-principles model.
- Abstract（参考訳）: 本稿では、第一原理モデルとニューラルネットワークからなるハイブリッド力学モデルを用いた外部レンチ推定器を提案する。
このフレームワークは、最先端のモデルベースのレンチ観測者の制限の1つに対処する: これらの観察者のレンチ推定は、残留レンチ(例えばモデルパラメータの不確実性や非モデル力学)に加えて、外部レンチ(例えば衝突、物理的相互作用、風)を含む。
これらのレンチ推定が例えばフォースコントローラへのレンチフィードバックとして使用される場合、これは問題である。
提案フレームワークでは、ニューラルネットワークを第一原理モデルと組み合わせて、モデル化されていない力学とパラメータの不確実性から生じる残留力学を推定し、その後、ハイブリッドトレーニングモデルを用いて外部レンチを推定し、残留力学からの寄与が小さく、外部レンチの影響がより小さいレンチ推定を行う。
本手法は,異なる飛行シナリオと異なる種類の残留力学の航空ロボットの数値シミュレーションにより検証され,その統計的解析により,第1原理モデルのみを用いたモデルベースレンチオブザーバと比較して,レンチ推定誤差が有意に改善したことが示された。
関連論文リスト
- Integrating Physics and Data-Driven Approaches: An Explainable and Uncertainty-Aware Hybrid Model for Wind Turbine Power Prediction [1.1270209626877075]
風力エネルギーセクターの急速な成長は、タービンの運転を最適化する緊急の必要性を浮き彫りにしている。
伝統的な経験的モデルと物理学に基づくモデルは、風速に基づく発電の近似予測を提供する。
データ駆動機械学習手法は、風力タービンモデリングを改善するための有望な道を示す。
論文 参考訳（メタデータ） (2025-02-11T08:16:48Z) - ShuttleSHAP: A Turn-Based Feature Attribution Approach for Analyzing
Forecasting Models in Badminton [52.21869064818728]
バドミントンにおけるプレイヤー戦術予測のための深層学習アプローチは、部分的にはラリープレイヤの相互作用に関する効果的な推論に起因する有望なパフォーマンスを示している。
本稿では,Shapley値の変量に基づいてバドミントンにおける予測モデルを解析するためのターンベース特徴属性手法であるShuttleSHAPを提案する。
論文 参考訳（メタデータ） (2023-12-18T05:37:51Z) - Structured Radial Basis Function Network: Modelling Diversity for
Multiple Hypotheses Prediction [51.82628081279621]
多重モード回帰は非定常過程の予測や分布の複雑な混合において重要である。
構造的放射基底関数ネットワークは回帰問題に対する複数の仮説予測器のアンサンブルとして提示される。
この構造モデルにより, このテッセルレーションを効率よく補間し, 複数の仮説対象分布を近似することが可能であることが証明された。
論文 参考訳（メタデータ） (2023-09-02T01:27:53Z) - Capturing dynamical correlations using implicit neural representations [85.66456606776552]
実験データから未知のパラメータを復元するために、モデルハミルトンのシミュレーションデータを模倣するために訓練されたニューラルネットワークと自動微分を組み合わせた人工知能フレームワークを開発する。
そこで本研究では, 実時間から多次元散乱データに適用可能な微分可能なモデルを1回だけ構築し, 訓練する能力について述べる。
論文 参考訳（メタデータ） (2023-04-08T07:55:36Z) - Are Neural Topic Models Broken? [81.15470302729638]
トピックモデルの自動評価と人的評価の関係について検討する。
ニューラルトピックモデルは、確立された古典的手法と比較して、両方の点においてより悪くなる。
論文 参考訳（メタデータ） (2022-10-28T14:38:50Z) - End-to-End Learning of Hybrid Inverse Dynamics Models for Precise and
Compliant Impedance Control [16.88250694156719]
剛体力学モデルの物理的に一貫した慣性パラメータを同定できる新しいハイブリッドモデルの定式化を提案する。
7自由度マニピュレータ上での最先端の逆動力学モデルに対する我々のアプローチを比較した。
論文 参考訳（メタデータ） (2022-05-27T07:39:28Z) - Firearm Detection via Convolutional Neural Networks: Comparing a
Semantic Segmentation Model Against End-to-End Solutions [68.8204255655161]
武器の脅威検出とライブビデオからの攻撃的な行動は、潜在的に致命的な事故の迅速検出と予防に使用できる。
これを実現する一つの方法は、人工知能と、特に画像分析のための機械学習を使用することです。
従来のモノリシックなエンド・ツー・エンドのディープラーニングモデルと、セマンティクスセグメンテーションによって火花を検知する単純なニューラルネットワークのアンサンブルに基づく前述したモデルを比較した。
論文 参考訳（メタデータ） (2020-12-17T15:19:29Z) - Structured learning of rigid-body dynamics: A survey and unified view
from a robotics perspective [5.597839822252915]
剛体力学とデータ駆動モデリング技術を組み合わせた回帰モデルについて検討した。
我々は、ニューラルネットワークやガウス過程などのデータ駆動回帰モデルと分析モデル先行モデルの組み合わせに関する統一的な見解を提供する。
論文 参考訳（メタデータ） (2020-12-11T11:26:48Z) - Generative Temporal Difference Learning for Infinite-Horizon Prediction [101.59882753763888]
我々は、無限確率的地平線を持つ環境力学の予測モデルである$gamma$-modelを導入する。
トレーニングタイムとテストタイムの複合的なエラーの間には、そのトレーニングが避けられないトレードオフを反映しているかについて議論する。
論文 参考訳（メタデータ） (2020-10-27T17:54:12Z) - Learning CHARME models with neural networks [1.5362025549031046]
我々はCHARME(Conditional Heteroscedastic Autoregressive Mixture of Experts)と呼ばれるモデルを考える。
そこで本研究では,NNに基づく自己回帰関数の学習理論を開発した。
論文 参考訳（メタデータ） (2020-02-08T21:51:02Z)
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。