論文の概要: Optimizing Metachronal Paddling with Reinforcement Learning at Low Reynolds Number

• arxiv url: http://arxiv.org/abs/2507.18849v1
• Date: Thu, 24 Jul 2025 23:38:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-28 16:16:48.780811
• Title: Optimizing Metachronal Paddling with Reinforcement Learning at Low Reynolds Number
• Title（参考訳）: 低レイノルズ数における強化学習によるメタクロナルパドリングの最適化
• Authors: Alana A. Bailey, Robert D. Guy,
• Abstract要約: メタクロナルパドリング(Metachronal paddling)は、生物が一定の位相ラグで隣接する手足のセットを振動させる水泳戦略である。 学習アルゴリズムがこのメタ時間リズムを選択するか、あるいは他の調整パターンが現れるかを検討する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Metachronal paddling is a swimming strategy in which an organism oscillates sets of adjacent limbs with a constant phase lag, propagating a metachronal wave through its limbs and propelling it forward. This limb coordination strategy is utilized by swimmers across a wide range of Reynolds numbers, which suggests that this metachronal rhythm was selected for its optimality of swimming performance. In this study, we apply reinforcement learning to a swimmer at zero Reynolds number and investigate whether the learning algorithm selects this metachronal rhythm, or if other coordination patterns emerge. We design the swimmer agent with an elongated body and pairs of straight, inflexible paddles placed along the body for various fixed paddle spacings. Based on paddle spacing, the swimmer agent learns qualitatively different coordination patterns. At tight spacings, a back-to-front metachronal wave-like stroke emerges which resembles the commonly observed biological rhythm, but at wide spacings, different limb coordinations are selected. Across all resulting strokes, the fastest stroke is dependent on the number of paddles, however, the most efficient stroke is a back-to-front wave-like stroke regardless of the number of paddles.
• Abstract（参考訳）: メタクロナルパドリング(Metachronal paddling)とは、生物が隣接する手足のセットを一定の位相ラグで振動させ、メタクロナル波をその手足を通して伝播させ、前進させる水泳戦略である。 この脚の調整戦略はレイノルズ数の広い範囲でスイマーが利用しており、このメタクロナールリズムが水泳性能の最適性のために選択されたことを示唆している。 本研究では、レイノルズ数ゼロのスイマーに対して強化学習を適用し、学習アルゴリズムがこのメタ時間リズムを選択するか、他の調整パターンが現れるかを検討する。 本研究は,体長が長いスイマーエージェントと,体に沿って配置された一対のストレートで柔軟性のないパドルを,様々な固定パドル間隔で設計する。 パドル間隔に基づいて、スイマーエージェントは定性的に異なる調整パターンを学習する。 タイトな間隔では、一般的に観察される生体リズムに似たバック・ツー・フロントのメタクロナール波のようなストロークが出現するが、広い間隔では異なる手足の調整が選択される。 結果として生じるすべてのストロークの中で、最速のストロークはパドルの数に依存するが、最も効率的なストロークはパドルの数に関係なく、バック・ツー・フロントの波のようなストロークである。

関連論文リスト

• Fine Tuning Swimming Locomotion Learned from Mosquito Larvae [0.9349784561232036]
  本研究では, 蚊幼虫の後方泳動を解析し, パラメータ化し, 計算流体力学(CFD)モデルで再現した。 本稿では,スイマーのモデルに対して,このコピーソリューションをさらに最適化する。
  論文  参考訳（メタデータ） (2024-11-16T06:54:43Z)
• Deep reinforcement learning for tracking a moving target in jellyfish-like swimming [16.727471388063893]
  本研究では,ゼリーフィッシュのようなスイマーを訓練し,運動目標を二次元の流れで追跡する深層強化学習法を開発した。 深層Qネットワーク(DQN)を用いて,スイマーの幾何と動的パラメータを入力とし,スイマーに適用される力である動作を出力する。
  論文  参考訳（メタデータ） (2024-09-13T13:29:46Z)
• Joint Temporal Pooling for Improving Skeleton-based Action Recognition [4.891381363264954]
  骨格に基づく人間の行動認識において、時間プーリングは関節力学の関係を捉えるための重要なステップである。 本稿では,骨格に基づく行動認識を改善するために,新しいMAP法を提案する。 JMAPの有効性は、人気のあるNTU RGBD+120とPKU-MMDデータセットの実験を通じて検証されている。
  論文  参考訳（メタデータ） (2024-08-18T04:40:16Z)
• Dynamic Frame Interpolation in Wavelet Domain [57.25341639095404]
  ビデオフレームは、より流動的な視覚体験のためにフレームレートを上げることができる、重要な低レベルな計算ビジョンタスクである。 既存の手法は、高度なモーションモデルと合成ネットワークを利用することで大きな成功を収めた。 WaveletVFIは、同様の精度を維持しながら最大40%の計算を削減できるため、他の最先端技術に対してより効率的に処理できる。
  論文  参考訳（メタデータ） (2023-09-07T06:41:15Z)
• One-Shot Action Recognition via Multi-Scale Spatial-Temporal Skeleton Matching [77.6989219290789]
  ワンショットスケルトン行動認識は、単一のトレーニングサンプルでスケルトン行動認識モデルを学ぶことを目的としている。 本稿では,マルチスケールな時空間特徴マッチングによる骨格行動認識を行う新しい一発骨格行動認識手法を提案する。
  論文  参考訳（メタデータ） (2023-07-14T11:52:10Z)
• Self-supervised Action Representation Learning from Partial Spatio-Temporal Skeleton Sequences [29.376328807860993]
  本研究では,異なる骨格関節とビデオフレームの局所的関係を利用した部分的時空間学習(PSTL)フレームワークを提案する。 提案手法は, NTURGB+D 60, NTURGBMM+D 120, PKU-Dのダウンストリームタスクにおける最先端性能を実現する。
  論文  参考訳（メタデータ） (2023-02-17T17:35:05Z)
• Engineering, control and longitudinal readout of Floquet qubits [105.9098786966493]
  時間周期ハミルトニアン(英語版)は、量子ビットの劣化時間を増加させ、保護された1と2の量子ビットゲートを設計するために利用することができる。 ここでは、多モードフロッケ理論の枠組みを用いて、複数の駆動音の存在下でフロッケ量子ビットを頑健に制御するアプローチを記述する。 同じアプローチで、Floquet状態を静的なqubit状態に変換することなく、Floquet qubitを計測するための長手読み出しプロトコルを導入する。
  論文  参考訳（メタデータ） (2021-08-25T14:35:02Z)
• Learning swimming escape patterns under energy constraints [6.014777261874645]
  流れシミュレーションは、天然の幼生スイマーで観察されたものと一致する脱出パターンを特定した。 エネルギー制約下でスイマー脱出パターンを発見するために強化学習を展開する。
  論文  参考訳（メタデータ） (2021-05-03T11:58:37Z)
• JOLO-GCN: Mining Joint-Centered Light-Weight Information for Skeleton-Based Action Recognition [47.47099206295254]
  本稿では,2ストリームグラフ畳み込みネットワークにおいて,人間のポーズスケルトンと共同中心の軽量情報を活用するための新しいフレームワークを提案する。 純粋なスケルトンベースのベースラインと比較して、このハイブリッドスキームは、計算とメモリのオーバーヘッドを低く保ちながら、性能を効果的に向上させる。
  論文  参考訳（メタデータ） (2020-11-16T08:39:22Z)
• MotioNet: 3D Human Motion Reconstruction from Monocular Video with Skeleton Consistency [72.82534577726334]
  モノクロビデオから3次元人間の骨格の動きを直接再構成するディープニューラルネットワークであるMotioNetを紹介した。 本手法は,動作表現を完全かつ一般的に使用するキネマティックスケルトンを直接出力する最初のデータ駆動型手法である。
  論文  参考訳（メタデータ） (2020-06-22T08:50:09Z)
• Skeleton-Aware Networks for Deep Motion Retargeting [83.65593033474384]
  骨格間のデータ駆動動作のための新しいディープラーニングフレームワークを提案する。 我々の手法は、トレーニングセットの運動間の明確なペアリングを必要とせずに、再ターゲティングの仕方を学ぶ。
  論文  参考訳（メタデータ） (2020-05-12T12:51:40Z)

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。