論文の概要: How do trout regulate patterns of muscle contraction to optimize propulsive efficiency during steady swimming

• arxiv url: http://arxiv.org/abs/2512.01218v1
• Date: Mon, 01 Dec 2025 02:57:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-02 19:46:34.654242
• Title: How do trout regulate patterns of muscle contraction to optimize propulsive efficiency during steady swimming
• Title（参考訳）: 安定した水泳における筋収縮パターンの調節と推進効率の最適化
• Authors: Tao Li, Chunze Zhang, Weiwei Yao, Junzhao He, Ji Hou, Qin Zhou, Lu Zhang,
• Abstract要約: 我々はバイオインスパイアされたデジタルトラウトを作成し、カランジフォーム水泳におけるエネルギー移動を探索した。 深い強化学習を用いて、トラウトの神経系は筋の活性化を階層的に制御した。 その結果, 0.5体長以上の活性化を伴う軸方向のマイクロメア結合は, 安定した波動伝播に不可欠であることが示唆された。
• 参考スコア（独自算出の注目度）: 13.891150717621741
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Understanding efficient fish locomotion offers insights for biomechanics, fluid dynamics, and engineering. Traditional studies often miss the link between neuromuscular control and whole-body movement. To explore energy transfer in carangiform swimming, we created a bio-inspired digital trout. This model combined multibody dynamics, Hill-type muscle modeling, and a high-fidelity fluid-structure interaction algorithm, accurately replicating a real trout's form and properties. Using deep reinforcement learning, the trout's neural system achieved hierarchical spatiotemporal control of muscle activation. We systematically examined how activation strategies affect speed and energy use. Results show that axial myomere coupling-with activation spanning over 0.5 body lengths-is crucial for stable body wave propagation. Moderate muscle contraction duration ([0.1,0.3] of a tail-beat cycle) lets the body and fluid act as a passive damping system, cutting energy use. Additionally, the activation phase lag of myomeres shapes the body wave; if too large, it causes antagonistic contractions that hinder thrust. These findings advance bio-inspired locomotion understanding and aid energy-efficient underwater system design.
• Abstract（参考訳）: 効率的な魚の移動を理解することは、生体力学、流体力学、工学の洞察を与える。 伝統的な研究は、神経筋制御と全身運動の関連を見逃すことが多い。 カランジフォーム水泳におけるエネルギー移動を探索するため、バイオインスパイアされたデジタルトラウトを開発した。 このモデルには多体力学、ヒル型筋モデル、高忠実度流体構造相互作用アルゴリズムが組み合わされ、本物のトラウトの形状と特性を正確に再現した。 神経系は深部強化学習を用いて筋活動の階層的時空間制御を達成した。 活性化戦略が速度とエネルギー消費に与える影響を系統的に検討した。 その結果, 0.5体長以上の活性化を伴う軸方向のマイクロメア結合は, 安定した波動伝播に不可欠であることが示唆された。 適度な筋収縮期間(テールビートサイクルの[0.1,0.3])により、体と流体は受動的減衰系として機能し、エネルギー使用を削減できる。 さらに、ミオマーの活性化相のラグは体波を形作るが、大きすぎると反角収縮を起こし、推力を妨げる。 これらの知見は、バイオインスパイアされた移動理解を促進し、エネルギー効率の良い水中システム設計を支援する。

関連論文リスト

• Massively Parallel Imitation Learning of Mouse Forelimb Musculoskeletal Reaching Dynamics [0.5487412578664687]
  本稿では,神経科学研究室からキネマティックスデータを収集し,生体力学モデルでそれらの自然な動きを再現するためのパイプラインを作成する。 我々は,模擬物理環境における筋骨格モデルを用いて,器用な前肢到達作業を行うための模倣学習フレームワークを実装した。
  論文  参考訳（メタデータ） (2025-11-26T19:23:14Z)
• Dendritic Resonate-and-Fire Neuron for Effective and Efficient Long Sequence Modeling [66.0841376808143]
  樹状共振器(RF)ニューロンは入力信号から効率的に周波数を抽出し、スパイク列車に符号化することができる。 RFニューロンは、複雑なタスクにおけるエネルギー効率とトレーニング速度のトレードオフとして、有効なメモリ容量が限られている。 本稿では,複数の共振器とソマアーキテクチャを明示的に組み込んだDdendritic Resonate-and-Fireモデルを提案する。
  論文  参考訳（メタデータ） (2025-09-21T18:15:45Z)
• Musculoskeletal simulation of limb movement biomechanics in Drosophila melanogaster [32.89880065783502]
  ショウジョウバエの足の最初の3Dデータ駆動筋骨格モデルを紹介した。 複数の固定標本からの高分解能X線スキャンに基づくヒル型筋肉表現を応用した。 本モデルにより, 実験的に抽出可能なモデル生物における運動制御の解明が可能となった。
  論文  参考訳（メタデータ） (2025-09-08T08:21:14Z)
• Langevin Flows for Modeling Neural Latent Dynamics [81.81271685018284]
  逐次変分自動エンコーダであるLangevinFlowを導入し、潜伏変数の時間的進化をアンダーダム化したLangevin方程式で制御する。 われわれのアプローチは、慣性、減衰、学習されたポテンシャル関数、力などの物理的事前を組み込んで、ニューラルネットワークにおける自律的および非自律的プロセスの両方を表現する。 本手法は,ロレンツ誘引器によって生成される合成神経集団に対する最先端のベースラインより優れる。
  論文  参考訳（メタデータ） (2025-07-15T17:57:48Z)
• Muscles in Time: Learning to Understand Human Motion by Simulating Muscle Activations [64.98299559470503]
  マッスル・イン・タイム (MinT) は、大規模な人工筋肉活性化データセットである。 227名の被験者と402名の模擬筋骨格をカバーする9時間以上のシミュレーションデータを含んでいる。 ヒトのポーズ配列からニューラルネットワークを用いた筋活動量推定の結果を示す。
  論文  参考訳（メタデータ） (2024-10-31T18:28:53Z)
• Learning Control Policies for Imitating Human Gaits [2.28438857884398]
  人間はウォーキング、ランニング、ジャンプといった運動を最も効率的な方法で行っており、このプロジェクトの動機の源となっている。 骨格と筋骨格の人間モデルは,矢状面の運動に対して考慮された。 モデルフリー強化学習アルゴリズムは、逆ダイナミクス制御動作の最適化に用いられた。
  論文  参考訳（メタデータ） (2021-05-15T16:33:24Z)
• Continuous Learning and Adaptation with Membrane Potential and Activation Threshold Homeostasis [91.3755431537592]
  本稿では,MPATH(Membrane Potential and Activation Threshold Homeostasis)ニューロンモデルを提案する。 このモデルにより、ニューロンは入力が提示されたときに自動的に活性を調節することで動的平衡の形式を維持することができる。 実験は、モデルがその入力から適応し、継続的に学習する能力を示す。
  論文  参考訳（メタデータ） (2021-04-22T04:01:32Z)
• Reinforcement Learning of Musculoskeletal Control from Functional Simulations [3.94716580540538]
  本研究は、深部強化学習(DRL)に基づく逆動力学制御器を用いて、人間の肩の生体力学的モデルによる筋活動の制御を訓練する。 その結果,無作為に発生する角軌道に追従する作業に対して,肩下降の単一軸運動制御を行うことができた。
  論文  参考訳（メタデータ） (2020-07-13T20:20:01Z)
• Ultrafast viscosity measurement with ballistic optical tweezers [55.41644538483948]
  非侵襲粘度測定は秒の積分時間を必要とする。 速度を最大20マイクロ秒まで改善した4つの命令を実演する。 光学式ツイーザにおける捕捉粒子の瞬時速度を用いてこれを実現する。
  論文  参考訳（メタデータ） (2020-06-29T00:09:40Z)

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。