論文の概要: Py-DiSMech: A Scalable and Efficient Framework for Discrete Differential Geometry-Based Modeling and Control of Soft Robots

• arxiv url: http://arxiv.org/abs/2512.09911v2
• Date: Sat, 20 Dec 2025 18:42:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:40.265906
• Title: Py-DiSMech: A Scalable and Efficient Framework for Discrete Differential Geometry-Based Modeling and Control of Soft Robots
• Title（参考訳）: Py-DiSMech:離散微分幾何学に基づくソフトロボットのモデリングと制御のためのスケーラブルで効率的なフレームワーク
• Authors: Radha Lahoti, Ryan Chaiyakul, M. Khalid Jawed,
• Abstract要約: Py-DiSMechはPythonベースの、ソフトロボット構造のモデリングと制御のためのオープンソースのシミュレーションフレームワークである。 Py-DiSMechは、メッシュ上での曲率やひずみなどの幾何量を識別することにより、ロッド、シェル、ハイブリッド構造の非線形変形を高忠実さで捉え、計算コストを低減させる。
• 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: High-fidelity simulation has become essential to the design and control of soft robots, where large geometric deformations and complex contact interactions challenge conventional modeling tools. Recent advances in the field demand simulation frameworks that combine physical accuracy, computational scalability, and seamless integration with modern control and optimization pipelines. In this work, we present Py-DiSMech, a Python-based, open-source simulation framework for modeling and control of soft robotic structures grounded in the principles of Discrete Differential Geometry (DDG). By discretizing geometric quantities such as curvature and strain directly on meshes, Py-DiSMech captures the nonlinear deformation of rods, shells, and hybrid structures with high fidelity and reduced computational cost. The framework introduces (i) a fully vectorized NumPy implementation achieving order-of-magnitude speed-ups over existing geometry-based simulators; (ii) a penalty-energy-based fully implicit contact model that supports rod-rod, rod-shell, and shell-shell interactions; (iii) a natural-strain-based feedback-control module featuring a proportional-integral (PI) controller for shape regulation and trajectory tracking; and (iv) a modular, object-oriented software design enabling user-defined elastic energies, actuation schemes, and integration with machine-learning libraries. Benchmark comparisons demonstrate that Py-DiSMech substantially outperforms the state-of-the-art simulator Elastica in computational efficiency while maintaining physical accuracy. Together, these features establish Py-DiSMech as a scalable, extensible platform for simulation-driven design, control validation, and sim-to-real research in soft robotics.
• Abstract（参考訳）: 高忠実度シミュレーションはソフトロボットの設計と制御に欠かせないものとなり、そこでは大きな幾何学的変形と複雑な接触相互作用が従来のモデリングツールに挑戦する。 フィールド要求シミュレーションフレームワークの最近の進歩は、物理精度、計算スケーラビリティ、現代的な制御と最適化パイプラインとのシームレスな統合を組み合わせたものである。 本稿では、離散微分幾何学(DDG)の原理に基づくソフトロボット構造のモデリングと制御のためのPythonベースのオープンソースのシミュレーションフレームワークであるPy-DiSMechを紹介する。 Py-DiSMechは、メッシュ上での曲率やひずみなどの幾何量を識別することにより、ロッド、シェル、ハイブリッド構造の非線形変形を高忠実さで捉え、計算コストを低減させる。 フレームワークが紹介 i) 既存の幾何ベースシミュレータよりも高次精度を実現する完全ベクトル化NumPyの実装。 (二)ロッド・ロッド・ロッド・シェル・シェル・シェルの相互作用をサポートするペナルティエネルギーに基づく完全暗黙接触モデル 三 形状調整及び軌道追跡のための比例積分制御器を備えた自然拘束型フィードバック制御モジュール (iv) ユーザ定義の弾性エネルギー、アクティベーションスキーム、機械学習ライブラリとの統合を可能にするモジュール型のオブジェクト指向ソフトウェア設計。 ベンチマーク比較の結果、Py-DiSMechは物理精度を維持しながら計算効率において最先端のシミュレータElasticaよりも大幅に優れていた。 これらの機能はPy-DiSMechを、シミュレーション駆動設計、制御バリデーション、ソフトロボティクスのシミュレートのためのスケーラブルで拡張可能なプラットフォームとして確立している。

関連論文リスト

• A General Lie-Group Framework for Continuum Soft Robot Modeling [3.0588867238694157]
  本稿では,連続体ソフトロボットのモデリングのための一般リー群フレームワークを提案する。 このフレームワークは、セグメント化、分岐、ネスト化、硬質ソフト複合構成を含む複雑なロボット構造を扱うように拡張されている。
  論文  参考訳（メタデータ） (2026-03-09T11:03:21Z)
• A Unified Low-Dimensional Design Embedding for Joint Optimization of Shape, Material, and Actuation in Soft Robots [4.829343342713712]
  形状変形,多材料分布,アクチュエータを統一したソフトロボットのためのスムーズで低次元な設計埋め込みを提案する。 実験では、ニューラルネットワークの符号化と異なり、基礎関数の数に応じて設計が増加することを示す。 さらに, 一体型埋め込みによる形状, 材料, アクティベーションの協調最適化は, 逐次戦略を一貫して上回ることを示す。
  論文  参考訳（メタデータ） (2026-03-06T17:33:32Z)
• Simulation-based Learning of Electrical Cabinet Assembly Using Robot Skills [2.900269335003268]
  本稿では、DINレール上での電気端子の力制御組立を自動化するためのシミュレーション駆動方式を提案する。 提案手法は,物理シミュレーション環境下での深部強化学習(DRL)とパラメータ化可能なロボット技術を統合する。 実験結果は, 位置差や回転偏差の大きい場合であっても, シミュレーションと実世界の双方で高い成功率(最大100%)を示した。
  論文  参考訳（メタデータ） (2026-02-16T08:45:54Z)
• SORS: A Modular, High-Fidelity Simulator for Soft Robots [5.660024841218955]
  ソフトロボットは、大きな非線形変形、材料非圧縮性、接触相互作用のために、ユニークなモデリング課題を提起する。 ソフトロボット応用のための多用途高忠実度シミュレータSORSを提案する。
  論文  参考訳（メタデータ） (2025-12-17T21:58:46Z)
• GausSim: Foreseeing Reality by Gaussian Simulator for Elastic Objects [55.02281855589641]
  GausSimは、ガウスカーネルを通して表現される現実の弾性物体の動的挙動をキャプチャするために設計された、ニューラルネットワークベースの新しいシミュレータである。 我々は連続体力学を活用し、各カーネルを連続体を表すCenter of Mass System (CMS)として扱う。 さらに、ガウスシムは質量や運動量保存のような明示的な物理制約を取り入れ、解釈可能な結果と堅牢で物理的に妥当なシミュレーションを確実にする。
  論文  参考訳（メタデータ） (2024-12-23T18:58:17Z)
• Software tool-set for automated quantum system identification and device bring up [0.0]
  本稿では、量子デバイスの理論的、最適制御ビューと実用的な操作と特徴付けタスクを組み合わせたソフトウェアツールセットを提案する。 モデルに基づくシミュレーションを行い、制御スキームを作成し、これらの制御をデバイスとクローズドループでキャリブレーションする。 最後に,シミュレーションと実験のミスマッチを最小化することにより,システムのモデルを改善する。
  論文  参考訳（メタデータ） (2022-05-10T12:06:53Z)
• Real-time Neural-MPC: Deep Learning Model Predictive Control for Quadrotors and Agile Robotic Platforms [59.03426963238452]
  モデル予測制御パイプライン内の動的モデルとして,大規模で複雑なニューラルネットワークアーキテクチャを効率的に統合するフレームワークであるReal-time Neural MPCを提案する。 ニューラルネットワークを使わずに、最先端のMPCアプローチと比較して、位置追跡誤差を最大82%削減することで、実世界の問題に対する我々のフレームワークの実現可能性を示す。
  論文  参考訳（メタデータ） (2022-03-15T09:38:15Z)

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。