論文の概要: Geometric Contact Flows: Contactomorphisms for Dynamics and Control

• arxiv url: http://arxiv.org/abs/2506.17868v1
• Date: Sun, 22 Jun 2025 01:52:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-24 19:06:36.624049
• Title: Geometric Contact Flows: Contactomorphisms for Dynamics and Control
• Title（参考訳）: 幾何学的接触流:ダイナミクスと制御のための接触準同型
• Authors: Andrea Testa, Søren Hauberg, Tamim Asfour, Leonel Rozo,
• Abstract要約: 本稿では,複雑なシステムを学ぶための新しいフレームワークであるGeometric Contact Flows (GFC)を紹介する。 GFCは安定性やエネルギー保存といった望ましい性質をコードする潜在接触ハミルトンモデルを構築している。 物理的システムにおける動的学習実験とインタラクションタスクにおけるロボット制御実験は,我々のアプローチの有効性を実証する。
• 参考スコア（独自算出の注目度）: 16.973611363085624
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurately modeling and predicting complex dynamical systems, particularly those involving force exchange and dissipation, is crucial for applications ranging from fluid dynamics to robotics, but presents significant challenges due to the intricate interplay of geometric constraints and energy transfer. This paper introduces Geometric Contact Flows (GFC), a novel framework leveraging Riemannian and Contact geometry as inductive biases to learn such systems. GCF constructs a latent contact Hamiltonian model encoding desirable properties like stability or energy conservation. An ensemble of contactomorphisms then adapts this model to the target dynamics while preserving these properties. This ensemble allows for uncertainty-aware geodesics that attract the system's behavior toward the data support, enabling robust generalization and adaptation to unseen scenarios. Experiments on learning dynamics for physical systems and for controlling robots on interaction tasks demonstrate the effectiveness of our approach.
• Abstract（参考訳）: 複雑な力学系(特に力の交換と散逸を含むもの)の正確なモデリングと予測は流体力学からロボット工学まで幅広い応用において重要であるが、幾何的制約とエネルギー移動の複雑な相互作用によって大きな課題が生じる。 本稿では,Riemann的および接触幾何学を帰納的バイアスとして活用し,そのようなシステムを学習する新しいフレームワークであるGeometric Contact Flows (GFC)を紹介する。 GCFは安定性やエネルギー保存といった望ましい性質をコードする潜在接触ハミルトンモデルを構築している。 接触同相のアンサンブルは、これらの性質を保ちながら、このモデルを対象の力学に適応させる。 このアンサンブルは、システムのデータサポートに対する振舞いを引き付ける不確実性を考慮した測地学を可能にし、堅牢な一般化と目に見えないシナリオへの適応を可能にする。 物理的システムにおける力学の学習実験とインタラクションタスクにおけるロボット制御実験は,我々のアプローチの有効性を実証する。

関連論文リスト

• Geometry-aware Active Learning of Spatiotemporal Dynamic Systems [4.251030047034566]
  本稿では,動的システムのモデリングのための幾何対応能動学習フレームワークを提案する。 データ収集のための空間的位置を戦略的に識別し、予測精度をさらに最大化する適応型能動学習戦略を開発した。
  論文  参考訳（メタデータ） (2025-04-26T19:56:38Z)
• Connecting the geometry and dynamics of many-body complex systems with message passing neural operators [1.8434042562191815]
  我々は,多体複雑なシステムのマルチスケール進化演算子を学習するためのスケーラブルなAIフレームワークであるROMAを紹介する。 注意機構は局所部分グラフの幾何学的表現と動的演算子の接続によるマルチスケール相互作用のモデル化に使用される。 我々はROMAフレームワークが予測タスクと効果的な動的タスク間のスケーラビリティとポジティブな転送を改善することを実証した。
  論文  参考訳（メタデータ） (2025-02-21T20:04:09Z)
• A Message Passing Neural Network Surrogate Model for Bond-Associated Peridynamic Material Correspondence Formulation [9.417858649092187]
  本稿では,結合関連材料対応の定式化に特化して設計された,メッセージパッシングニューラルネットワーク(MPNN)に基づく新しいサロゲートモデルを提案する。 ノードの特徴にフォーカスする従来のグラフニューラルネットワークとは異なり、我々のモデルはエッジベースの特徴を強調し、定式化において必須の物質点相互作用をキャプチャする。
  論文  参考訳（メタデータ） (2024-10-29T17:42:29Z)
• Learning System Dynamics without Forgetting [60.08612207170659]
  本研究では,CDL(Continuous Dynamics Learning)の問題,タスク構成の検証,既存手法の適用性について検討する。 本稿では、LG-ODEとサブネットワーク学習の長所をモデムスイッチングモジュールと統合したモードスイッチンググラフODE(MS-GODE)モデルを提案する。 CDLのための生体動態システムの新しいベンチマーク、Bio-CDLを構築し、異なるダイナミクスを持つ多様なシステムを特徴付ける。
  論文  参考訳（メタデータ） (2024-06-30T14:55:18Z)
• Inferring Relational Potentials in Interacting Systems [56.498417950856904]
  このような相互作用を発見する代替手法として、ニューラル・インタラクション・推論(NIIP)を提案する。 NIIPは観測された関係制約を尊重する軌道のサブセットに低エネルギーを割り当てる。 別々に訓練されたモデル間での相互作用の型を交換するなどの軌道操作や、軌道予測を可能にする。
  論文  参考訳（メタデータ） (2023-10-23T00:44:17Z)
• Data-driven Influence Based Clustering of Dynamical Systems [0.0]
  コミュニティ検出は科学と工学の様々な分野において困難で関連する問題である。 本稿では,時系列データから動的システムをクラスタリングする手法を提案する。 本稿では、3つの異なる力学系をクラスタリングすることで提案手法の有効性を示す。
  論文  参考訳（メタデータ） (2022-04-05T17:26:47Z)
• Constructing Neural Network-Based Models for Simulating Dynamical Systems [59.0861954179401]
  データ駆動モデリングは、真のシステムの観測からシステムの力学の近似を学ぼうとする代替パラダイムである。 本稿では,ニューラルネットワークを用いた動的システムのモデル構築方法について検討する。 基礎的な概要に加えて、関連する文献を概説し、このモデリングパラダイムが克服すべき数値シミュレーションから最も重要な課題を概説する。
  論文  参考訳（メタデータ） (2021-11-02T10:51:42Z)
• Enhancement of quantum correlations and geometric phase for a driven bipartite quantum system in a structured environment [77.34726150561087]
  構造環境下で進化する初期最大絡み合い状態における運転の役割について検討した。 この知識は、散逸動力学の下で量子特性を最もよく保持する物理装置の探索に役立つ。
  論文  参考訳（メタデータ） (2021-03-18T21:11:37Z)
• A Differentiable Contact Model to Extend Lagrangian and Hamiltonian Neural Networks for Modeling Hybrid Dynamics [10.019335078365705]
  本研究では,非摩擦・摩擦・非弾性の接触力学を捉えるための微分可能な接触モデルを提案する。 この枠組みは, 再構成係数と摩擦係数の異なる, 一連の挑戦的な2次元および3次元物理系上で実証する。
  論文  参考訳（メタデータ） (2021-02-12T22:02:41Z)
• ADD: Analytically Differentiable Dynamics for Multi-Body Systems with Frictional Contact [26.408218913234872]
  剛体および変形可能な物体に対する摩擦接触を処理できる微分可能な動的解法を提案する。 本手法は, 摩擦接触の非平滑な性質に起因した主な困難を回避できる。
  論文  参考訳（メタデータ） (2020-07-02T09:51:36Z)
• Euclideanizing Flows: Diffeomorphic Reduction for Learning Stable Dynamical Systems [74.80320120264459]
  本研究では、限られた数の人間の実演からそのような動きを学ぶためのアプローチを提案する。 複素運動は安定な力学系のロールアウトとして符号化される。 このアプローチの有効性は、確立されたベンチマーク上での検証と、現実世界のロボットシステム上で収集されたデモによって実証される。
  論文  参考訳（メタデータ） (2020-05-27T03:51:57Z)

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。