論文の概要: Aerobatic maneuvers in insect-scale flapping-wing aerial robots via deep-learned robust tube model predictive control

• arxiv url: http://arxiv.org/abs/2508.03043v1
• Date: Tue, 05 Aug 2025 03:40:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-06 18:18:55.760148
• Title: Aerobatic maneuvers in insect-scale flapping-wing aerial robots via deep-learned robust tube model predictive control
• Title（参考訳）: 深部学習型ロバスト管モデル予測制御による昆虫型羽ばたき飛行ロボットの空力操作
• Authors: Yi-Hsuan Hsiao, Andrea Tagliabue, Owen Matteson, Suhan Kim, Tong Zhao, Jonathan P. How, YuFeng Chen,
• Abstract要約: 航空昆虫は、鋭い制動、ササード、身体のフリップのような非常に機敏な行動を示す。 昆虫のようなササードの動きを示し, 横速度と加速速度は1秒あたり197センチメートル, 1秒あたり1.7メートルであった。 ロボットはまた、秒速160cm以下でのササード操作や、大きなコマンド・ツー・フォースのマッピングエラーを実行することもできる。
• 参考スコア（独自算出の注目度）: 38.02123507620609
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Aerial insects exhibit highly agile maneuvers such as sharp braking, saccades, and body flips under disturbance. In contrast, insect-scale aerial robots are limited to tracking non-aggressive trajectories with small body acceleration. This performance gap is contributed by a combination of low robot inertia, fast dynamics, uncertainty in flapping-wing aerodynamics, and high susceptibility to environmental disturbance. Executing highly dynamic maneuvers requires the generation of aggressive flight trajectories that push against the hardware limit and a high-rate feedback controller that accounts for model and environmental uncertainty. Here, through designing a deep-learned robust tube model predictive controller, we showcase insect-like flight agility and robustness in a 750-millgram flapping-wing robot. Our model predictive controller can track aggressive flight trajectories under disturbance. To achieve a high feedback rate in a compute-constrained real-time system, we design imitation learning methods to train a two-layer, fully connected neural network, which resembles insect flight control architecture consisting of central nervous system and motor neurons. Our robot demonstrates insect-like saccade movements with lateral speed and acceleration of 197 centimeters per second and 11.7 meters per second square, representing 447$\%$ and 255$\%$ improvement over prior results. The robot can also perform saccade maneuvers under 160 centimeters per second wind disturbance and large command-to-force mapping errors. Furthermore, it performs 10 consecutive body flips in 11 seconds - the most challenging maneuver among sub-gram flyers. These results represent a milestone in achieving insect-scale flight agility and inspire future investigations on sensing and compute autonomy.
• Abstract（参考訳）: 航空昆虫は、鋭い制動、ササード、身体のフリップのような非常に機敏な行動を示す。 対照的に、昆虫スケールの空中ロボットは、体の加速度が小さい非攻撃的な軌道を追跡することに限定されている。 この性能ギャップは、低ロボット慣性、高速ダイナミクス、羽ばたき翼空気力学の不確実性、環境障害に対する高い感受性の組み合わせによって寄与される。 高度にダイナミックな操作を実行するには、ハードウェアの限界に反するアグレッシブな飛行軌跡と、モデルと環境の不確実性を考慮に入れたハイレートなフィードバックコントローラを生成する必要がある。 ここでは、深く学習した頑丈な管モデル予測コントローラを設計することにより、750ミリグラムの羽ばたきロボットで昆虫のような飛行の機敏さと頑健さを示す。 我々のモデル予測制御器は乱れ中の攻撃的な飛行軌跡を追跡できる。 計算制約のあるリアルタイムシステムにおいて高いフィードバック率を達成するため,我々は,中枢神経系と運動ニューロンからなる昆虫飛行制御アーキテクチャに類似した2層完全連結ニューラルネットワークを訓練するための模倣学習手法を設計した。 我々のロボットは、横速度197cm/秒、1秒あたり11.7m/秒という、昆虫のようなササードの動きを示し、447$\%$と255$\%$前の結果よりも改善した。 ロボットはまた、秒速160cm以下でのササード操作や、大きなコマンド・ツー・フォースのマッピングエラーを実行することもできる。 さらに、11秒で10回のボディーフリップを実行します。 これらの結果は、昆虫規模の飛行の機敏性を達成する上でのマイルストーンであり、検知と計算の自律性に関する将来の調査を刺激するものである。

関連論文リスト

• Learning Aerodynamics for the Control of Flying Humanoid Robots [11.791887356425491]
  空飛ぶヒューマノイドロボットは、特に空気力学的力によって、モデリングと制御の課題に直面している。 技術的貢献には、ジェットエンジンのヒューマノイドロボットであるiRonCub-Mk1の機械設計が含まれる。 この科学的貢献は、古典的および学習技術を用いて空気力学的力をモデル化し、制御するための包括的なアプローチを提供する。
  論文  参考訳（メタデータ） (2025-05-30T23:27:44Z)
• Humanoid Whole-Body Locomotion on Narrow Terrain via Dynamic Balance and Reinforcement Learning [54.26816599309778]
  動的バランスと強化学習(RL)に基づく新しい全身移動アルゴリズムを提案する。 具体的には,ZMP(Zero-Moment Point)駆動の報酬とタスク駆動の報酬を,全身のアクター批判的枠組みで拡張した尺度を活用することで,動的バランス機構を導入する。 フルサイズのUnitree H1-2ロボットによる実験により、非常に狭い地形でのバランスを維持するための手法の有効性が検証された。
  論文  参考訳（メタデータ） (2025-02-24T14:53:45Z)
• Hovering Flight of Soft-Actuated Insect-Scale Micro Aerial Vehicles using Deep Reinforcement Learning [25.353235604712562]
  ソフトアクチュレートされた昆虫型マイクロエアロビー(IMAV)は、堅牢で計算効率のよい制御装置を設計する上で、ユニークな課題を生んでいる。 本稿では、システムの遅延と不確実性に対処する深層強化学習(RL)コントローラを設計する。 このコントローラは、それぞれ720 mgと850 mgの2つの異なる昆虫スケールの空中ロボットに展開する。
  論文  参考訳（メタデータ） (2025-02-17T22:45:59Z)
• Impedance Matching: Enabling an RL-Based Running Jump in a Quadruped Robot [7.516046071926082]
  シミュレーションロボットと現実ロボットのギャップを軽減するための新しい枠組みを提案する。 本フレームワークはパラメータ選択のための構造化ガイドラインとシミュレーションにおける動的ランダム化の範囲を提供する。 結果は、我々の知る限り、実四足歩行ロボットにおいて、RLベースの制御ポリシーによって実証された最も高く、最も長いジャンプの1つです。
  論文  参考訳（メタデータ） (2024-04-23T14:52:09Z)
• Reinforcement Learning for Versatile, Dynamic, and Robust Bipedal Locomotion Control [106.32794844077534]
  本稿では,二足歩行ロボットのための動的移動制御系を構築するために,深層強化学習を用いた研究について述べる。 本研究では、周期歩行やランニングから周期ジャンプや立位に至るまで、様々な動的二足歩行技術に使用できる汎用的な制御ソリューションを開発する。 この研究は、二足歩行ロボットの俊敏性の限界を、現実世界での広範な実験を通じて押し上げる。
  論文  参考訳（メタデータ） (2024-01-30T10:48:43Z)
• Robot Learning with Sensorimotor Pre-training [98.7755895548928]
  ロボット工学のための自己教師型感覚運動器事前学習手法を提案する。 我々のモデルはRTTと呼ばれ、センサモレータトークンのシーケンスで動作するトランスフォーマーである。 感覚運動の事前学習は、ゼロからトレーニングを一貫して上回り、優れたスケーリング特性を持ち、さまざまなタスク、環境、ロボット間での移動を可能にしている。
  論文  参考訳（メタデータ） (2023-06-16T17:58:10Z)
• Inverted Landing in a Small Aerial Robot via Deep Reinforcement Learning for Triggering and Control of Rotational Maneuvers [11.29285364660789]
  高速で頑健な逆着陸は、特に機内でのセンシングと計算に完全に依存しながらも、空中ロボットにとって難しい偉業である。 これまでの研究では、一連の視覚的手がかりとキネマティックな動作の間に直接的な因果関係が特定され、小型の空中ロボットでこの困難なエアロバティックな操作を確実に実行することができた。 本研究では、まずDeep Reinforcement Learningと物理シミュレーションを用いて、頑健な逆着陸のための汎用的最適制御ポリシーを得る。
  論文  参考訳（メタデータ） (2022-09-22T14:38:10Z)
• Neural-Fly Enables Rapid Learning for Agile Flight in Strong Winds [96.74836678572582]
  本稿では,ディープラーニングを通じて事前学習した表現を組み込むことで,オンラインでの迅速な適応を可能にする学習ベースのアプローチを提案する。 Neural-Flyは、最先端の非線形かつ適応的なコントローラよりもかなり少ないトラッキングエラーで正確な飛行制御を実現する。
  論文  参考訳（メタデータ） (2022-05-13T21:55:28Z)
• Reinforcement Learning for Robust Parameterized Locomotion Control of Bipedal Robots [121.42930679076574]
  シミュレーションにおけるロコモーションポリシをトレーニングするためのモデルフリー強化学習フレームワークを提案する。 ドメインランダム化は、システムダイナミクスのバリエーションにまたがる堅牢な振る舞いを学ぶためのポリシーを奨励するために使用されます。 本研究では、目標歩行速度、歩行高さ、旋回ヨーなどの多目的歩行行動について示す。
  論文  参考訳（メタデータ） (2021-03-26T07:14:01Z)
• Evolved Neuromorphic Control for High Speed Divergence-based Landings of MAVs [0.0]
  小型航空機の着陸制御のためのスパイクニューラルネットワークを開発した。 得られたニューロモルフィックコントローラは,シミュレーションから実世界への堅牢な移動を示す。 私たちの知る限りでは、この研究は現実世界の飛行ロボットの制御ループにスパイクするニューラルネットワークを統合する最初のものである。
  論文  参考訳（メタデータ） (2020-03-06T10:19:02Z)

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。