論文の概要: Friction on Demand: A Generative Framework for the Inverse Design of Metainterfaces
- arxiv url: http://arxiv.org/abs/2511.03735v1
- Date: Mon, 27 Oct 2025 13:00:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-09 16:58:40.070079
- Title: Friction on Demand: A Generative Framework for the Inverse Design of Metainterfaces
- Title（参考訳）: Friction on Demand: メタインタフェースの逆設計のための生成フレームワーク
- Authors: Valentin Mouton, Adrien Mélot,
- Abstract要約: ターゲット摩擦法則から表面トポグラフィーを推定するための生成的モデリングフレームワークを提案する。
パラメータ化された接触力学モデルから構築された2億のサンプルからなる合成データセットに基づいて,提案手法により,候補地形の効率的なシミュレーションフリー生成が可能となる。
この手法は、表面トポグラフィーによる摩擦挙動のほぼリアルタイム制御の道を開くものである。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Designing frictional interfaces to exhibit prescribed macroscopic behavior is a challenging inverse problem, made difficult by the non-uniqueness of solutions and the computational cost of contact simulations. Traditional approaches rely on heuristic search over low-dimensional parameterizations, which limits their applicability to more complex or nonlinear friction laws. We introduce a generative modeling framework using Variational Autoencoders (VAEs) to infer surface topographies from target friction laws. Trained on a synthetic dataset composed of 200 million samples constructed from a parameterized contact mechanics model, the proposed method enables efficient, simulation-free generation of candidate topographies. We examine the potential and limitations of generative modeling for this inverse design task, focusing on balancing accuracy, throughput, and diversity in the generated solutions. Our results highlight trade-offs and outline practical considerations when balancing these objectives. This approach paves the way for near-real-time control of frictional behavior through tailored surface topographies.
- Abstract（参考訳）: 所定のマクロな挙動を示すための摩擦界面の設計は、解の非特異性や接触シミュレーションの計算コストによって難しい逆問題である。
伝統的なアプローチは、低次元のパラメータ化よりもヒューリスティックな探索に依存しており、より複雑または非線形な摩擦法則の適用性を制限する。
本稿では, ターゲット摩擦法則から表面トポグラフィーを推定するために, 可変オートエンコーダ(VAE)を用いた生成モデリングフレームワークを提案する。
パラメータ化された接触力学モデルから構築された2億のサンプルからなる合成データセットに基づいて,提案手法により,候補地形の効率的なシミュレーションフリー生成が可能となる。
本稿では, この逆設計課題における生成モデルの可能性と限界について検討し, 生成した解の精度, スループット, 多様性のバランスに着目した。
この結果はトレードオフを浮き彫りにして,これらの目標のバランスをとる上での実践的考察を概説する。
この手法は、表面トポグラフィーによる摩擦挙動のほぼリアルタイム制御の道を開くものである。
関連論文リスト
- Learning Transferable Friction Models and LuGre Identification via Physics Informed Neural Networks [4.432363122731454]
物理インフォームド摩擦モデルと学習可能なコンポーネントを統合するための摩擦推定フレームワークを提案する。
われわれのアプローチは物理的な一貫性を強制するが、現実の複雑さに適応する柔軟性は維持する。
我々のアプローチは、学習したモデルを訓練されていないシステムに転送できるようにする。
論文 参考訳（メタデータ） (2025-04-16T19:15:48Z) - Training-Free Constrained Generation With Stable Diffusion Models [41.391765899175276]
安定拡散モデルは、様々な領域にまたがるデータ合成における最先端のモデルである。
既存のテクニックは、遅延拡散フレームワークの適用性に制限されるか、ドメイン固有の制約を厳格に強制する能力に欠ける。
本稿では, 安定拡散モデルと制約付き最適化フレームワークとの新たな統合を提案し, 厳密な物理的および機能的要求を満たす出力の生成を可能にする。
論文 参考訳（メタデータ） (2025-02-08T16:11:17Z) - Simultaneous Multi-Robot Motion Planning with Projected Diffusion Models [57.45019514036948]
MRMP拡散(MRMP Diffusion, SMD)は, 制約付き最適化を拡散サンプリングプロセスに統合し, 衝突のない, キネマティックに実現可能な軌道を生成する新しい手法である。
本稿では, ロボット密度, 障害物の複雑度, 動作制約の異なるシナリオ間の軌道計画アルゴリズムを評価するための総合的MRMPベンチマークを提案する。
論文 参考訳（メタデータ） (2025-02-05T20:51:28Z) - Constrained Synthesis with Projected Diffusion Models [47.56192362295252]
本稿では, 制約や物理原理の遵守を満足し, 証明する上で, 生成拡散プロセスへのアプローチを紹介する。
提案手法は, 従来の生成拡散過程を制約分布問題として再キャストし, 制約の順守を保証する。
論文 参考訳（メタデータ） (2024-02-05T22:18:16Z) - DiMSam: Diffusion Models as Samplers for Task and Motion Planning under Partial Observability [58.75803543245372]
タスク・アンド・モーション・プランニング(TAMP)アプローチは多段階自律ロボット操作の計画に適している。
本稿では,TAMPシステムを用いた拡散モデルの構築により,これらの制限を克服することを提案する。
古典的TAMP, 生成モデリング, 潜伏埋め込みの組み合わせによって, 多段階制約に基づく推論が可能となることを示す。
論文 参考訳（メタデータ） (2023-06-22T20:40:24Z) - Hybridized Methods for Quantum Simulation in the Interaction Picture [69.02115180674885]
本研究では,異なるシミュレーション手法をハイブリダイズし,インタラクション・ピクチャー・シミュレーションの性能を向上させるフレームワークを提案する。
これらのハイブリッド化手法の物理的応用は、電気遮断において$log2 Lambda$としてゲート複雑性のスケーリングをもたらす。
力学的な制約を受けるハミルトニアンシミュレーションの一般的な問題に対して、これらの手法は、エネルギーコストを課すために使われるペナルティパラメータ$lambda$とは無関係に、クエリの複雑さをもたらす。
論文 参考訳（メタデータ） (2021-09-07T20:01:22Z)
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。