論文の概要: Multi-Objective Neural Network Assisted Design Optimization of Soft Fin-Ray Grippers for Enhanced Grasping Performance

• arxiv url: http://arxiv.org/abs/2506.00494v1
• Date: Sat, 31 May 2025 10:16:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-04 21:47:33.103166
• Title: Multi-Objective Neural Network Assisted Design Optimization of Soft Fin-Ray Grippers for Enhanced Grasping Performance
• Title（参考訳）: 多目的ニューラルネットワークを用いたソフトフィン線グリッパーの設計最適化によるグラスピング性能の向上
• Authors: Ali Ghanizadeh, Ali Ahmadi, Arash Bahrami,
• Abstract要約: フィン線指の内部構造は適応性と把握性能において重要な役割を担っている。 フィン線指がより硬くなり、高い力を発揮できると、物体の扱いにおいて繊細になる。 本研究では有限要素法 (FEM) を用いて, 有限要素法を用いて円筒状物体のたわみと接触力を推定する。
• 参考スコア（独自算出の注目度）: 2.7309692684728613
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Soft Fin-Ray grippers can perform delicate and careful manipulation, which has caused notable attention in different fields. These grippers can handle objects of various forms and sizes safely. The internal structure of the Fin-Ray finger plays a significant role in its adaptability and grasping performance. However, modeling the non-linear grasp force and deformation behaviors for design purposes is challenging. Moreover, when the Fin-Ray finger becomes more rigid and capable of exerting higher forces, it becomes less delicate in handling objects. The contrast between these two objectives gives rise to a multi-objective optimization problem. In this study, we employ finite element method (FEM) to estimate the deflections and contact forces of the Fin-Ray, grasping cylindrical objects. This dataset is then used to construct a multilayer perception (MLP) for prediction of the contact force and the tip displacement. The FEM dataset consists of three input and four target features. The three input features of the MLP and optimization design variables are the thickness of the front and supporting beams, the thickness of the cross beams, and the equal spacing between the cross beams. In addition, the target features are the maximum contact forces and maximum tip displacements in x- and y-directions. The magnitude of maximum contact force and magnitude of maximum tip displacement are the two objectives, showing the trade-off between force and delicate manipulation in soft Fin-Ray grippers. Furthermore, the optimized set of solutions are found using multi-objective optimal techniques. We use non-dominated sorting genetic algorithm (NSGA-II) method for this purpose. Our findings demonstrate that our methodologies can be used to improve the design and gripping performance of soft robotic grippers, helping us to choose a design not only for delicate grasping but also for high-force applications.
• Abstract（参考訳）: ソフトフィン線グリップは微妙で慎重な操作が可能であり、様々な分野で注目されている。 これらのグリップは、様々な形状や大きさの物体を安全に扱える。 フィン線指の内部構造は適応性と把握性能において重要な役割を担っている。 しかし, 非線形把持力と変形挙動をモデル化することは困難である。 さらに、フィン線指がより硬くなり、高い力を発揮できると、物体の取り扱いにおいて微妙さが低下する。 これら2つの目的の対比は、多目的最適化問題を引き起こす。 本研究では有限要素法 (FEM) を用いて, 有限要素法を用いて円筒状物体のたわみと接触力を推定する。 このデータセットは、接触力と先端変位を予測するための多層知覚(MLP)を構築するために使用される。 FEMデータセットは3つの入力と4つのターゲット特徴からなる。 MLPの3つの入力特性と最適化設計変数は、前面と支持ビームの厚さ、交差ビームの厚さ、交差ビーム間の等間隔である。 さらに、ターゲットとなる特徴は、x方向とy方向の最大接触力と最大先端変位である。 ソフトフィン線グリップにおける最大接触力の大きさと最大先端変位の大きさは、力と微妙な操作のトレードオフを示す2つの目的である。 さらに、最適化された解の集合は、多目的最適手法を用いて見出される。 本研究では,非支配的ソート遺伝的アルゴリズム (NSGA-II) を用いた。 我々の手法は, ソフトロボットグリップの設計とグリップ性能の向上に有効であり, 繊細なグリップだけでなく, 高力のグリップにも有効であることがわかった。

関連論文リスト

• Multi-start Optimization Method via Scalarization based on Target Point-based Tchebycheff Distance for Multi-objective Optimization [2.9248680865344348]
  多目的最適化(multi-jective optimization)は、競合する目的間のトレードオフのバランスをとるための、科学的および工業的応用において重要である。 NSGA-IIIやMOEA/Dのような最先端の手法は、多くの目的に対処できるが、カバレッジの問題には対処できない。 これらの課題に対処する新しいマルチスタート最適化手法を提案する。
  論文  参考訳（メタデータ） (2025-05-01T02:27:25Z)
• MoSH: Modeling Multi-Objective Tradeoffs with Soft and Hard Bounds [29.347695311801864]
  本稿では,ソフトハード関数 SHF を運用する新しい概念フレームワークを提案する。 SHFフレームワークに適合する多くの実践的問題を示し、多様なドメインに対する広範な実証的検証を提供する。 具体的には、ブラキセラピーでは、次の最良アプローチよりも3%以上のSHF定義ユーティリティを持つコンパクトな点集合を返す。
  論文  参考訳（メタデータ） (2024-12-09T02:32:20Z)
• Aligning Large Language Models and Geometric Deep Models for Protein Representation [57.59506688299817]
  遅延表現アライメントは、異なるモダリティからの埋め込みを共有空間にマッピングするために使用され、しばしば大きな言語モデル(LLM)の埋め込み空間と一致している。 プリミティブなタンパク質中心の大規模言語モデル (MLLM) が登場したが、それらは表現の至る所で最適なアライメントの実践に関する根本的な理解が欠如しているアプローチに大きく依存している。 本研究では,タンパク質領域におけるLLMと幾何学的深部モデル(GDM)のマルチモーダル表現のアライメントについて検討する。 本研究は, モデルおよびタンパク質の観点からのアライメント要因について検討し, 現行アライメント手法の課題を特定し, アライメントプロセスを改善するための戦略を提案する。
  論文  参考訳（メタデータ） (2024-11-08T04:15:08Z)
• 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)
• DiffVL: Scaling Up Soft Body Manipulation using Vision-Language Driven Differentiable Physics [69.6158232150048]
  DiffVLは、非専門家がソフトボディ操作タスクをコミュニケーションできるようにする手法である。 大規模言語モデルを用いてタスク記述を機械解釈可能な最適化対象に翻訳する。
  論文  参考訳（メタデータ） (2023-12-11T14:29:25Z)
• Fin-QD: A Computational Design Framework for Soft Grippers: Integrating MAP-Elites and High-fidelity FEM [14.554559832990835]
  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。
  論文  参考訳（メタデータ） (2023-11-21T09:38:03Z)
• Flexible Isosurface Extraction for Gradient-Based Mesh Optimization [65.76362454554754]
  本研究では、勾配に基づくメッシュ最適化について考察し、スカラー場の等曲面として表現することで、3次元表面メッシュを反復的に最適化する。 我々は、幾何学的、視覚的、あるいは物理的目的に対して未知のメッシュを最適化するために特別に設計された、異面表現であるFlexiCubesを紹介する。
  論文  参考訳（メタデータ） (2023-08-10T06:40:19Z)
• DeepMLE: A Robust Deep Maximum Likelihood Estimator for Two-view Structure from Motion [9.294501649791016]
  動きからの2次元構造(SfM)は3次元再構成と視覚SLAM(vSLAM)の基礎となる。 本稿では,2視点SfM問題を最大最大推定(MLE)として定式化し,DeepMLEと表記されるフレームワークを用いて解いた。 提案手法は,最先端の2ビューSfM手法よりも精度と一般化能力において優れる。
  論文  参考訳（メタデータ） (2022-10-11T15:07:25Z)

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。