Fugu-MT 論文翻訳(概要): Differentiable Material Point Method for the Control of Deformable Objects

論文の概要: Differentiable Material Point Method for the Control of Deformable Objects

arxiv url: http://arxiv.org/abs/2512.13214v1
Date: Mon, 15 Dec 2025 11:26:51 GMT
ステータス: 翻訳完了
システム内更新日: 2026-03-23 08:17:40.350073
Title: Differentiable Material Point Method for the Control of Deformable Objects
Title（参考訳）: 変形性物体の制御のための微分材料点法
Authors: Diego Bolliger, Gabriele Fadini, Markus Bambach, Alisa Rupenyan,
Abstract要約: 本研究は,制御アプリケーションを対象としたMPMシミュレータを提案する。超弾性ロープのアクティブ減衰問題における制御軌道の最適化にシミュレータの微分可能性を利用する。
参考スコア（独自算出の注目度）: 3.2322136385923215
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Controlling the deformation of flexible objects is challenging due to their non-linear dynamics and high-dimensional configuration space. This work presents a differentiable Material Point Method (MPM) simulator targeted at control applications. We exploit the differentiability of the simulator to optimize a control trajectory in an active damping problem for a hyperelastic rope. The simulator effectively minimizes the kinetic energy of the rope around 2$\times$ faster than a baseline MPPI method and to a 20% lower energy level, while using about 3% of the computation time.
Abstract（参考訳）: フレキシブルオブジェクトの変形を制御することは、非線形力学と高次元構成空間のために困難である。本研究は,制御アプリケーションを対象としたMPMシミュレータを提案する。超弾性ロープのアクティブ減衰問題における制御軌道の最適化にシミュレータの微分可能性を利用する。シミュレーターは、平均MPPI法よりも2$\timesの速さでロープの運動エネルギーを、計算時間の約3%を使用しながら20%低いエネルギーレベルに効果的に最小化する。

関連論文リスト

Physics-Informed Policy Optimization via Analytic Dynamics Regularization [5.537513058221965]
強化学習(RL)はロボット制御において高い性能を発揮している。アクター批判法のような最先端の政策学習法は、依然として高いサンプルの複雑さに悩まされている。我々は、物理制約を直接ニューラルネットワークの最適化にシームレスに統合する、PIPERと呼ばれる新しい物理インフォームドRLフレームワークを導入する。
論文参考訳（メタデータ） (2026-03-15T16:20:45Z)
FastPhysGS: Accelerating Physics-based Dynamic 3DGS Simulation via Interior Completion and Adaptive Optimization [56.17833729527066]
我々は物理に基づく動的3DGSシミュレーションのためのフレームワークであるFastPhysGSを提案する。 FastPhysGSは、わずか7GBのランタイムメモリを使用して、1分で高忠実度物理シミュレーションを実現する。
論文参考訳（メタデータ） (2026-02-02T07:00:42Z)
Active Control of Turbulent Airfoil Flows Using Adjoint-based Deep Learning [0.0]
我々は,レイノルズ数104$およびマッハ数0.4における乱流気流の昇降ドラッグ比を最適化するために,アクティブニューラルネットワークフローコントローラを訓練する。トレーニングされたフローコントローラは、リフト・アンド・ドラッグ比を著しく改善し、2次元および3次元の気流の分離を低減する。
論文参考訳（メタデータ） (2025-10-08T14:59:29Z)
From Tokens to Nodes: Semantic-Guided Motion Control for Dynamic 3D Gaussian Splatting [26.57713792657793]
制御密度と動きの複雑さを一致させる動き適応フレームワークを提案する。既存の最先端手法に比べて,復元品質と効率が大幅に向上したことを示す。
論文参考訳（メタデータ） (2025-10-03T05:33:58Z)
Dynamic Manipulation of Deformable Objects in 3D: Simulation, Benchmark and Learning Strategy [88.8665000676562]
従来の手法は、しばしば問題を低速または2D設定に単純化し、現実の3Dタスクに適用性を制限する。データ不足を軽減するため、新しいシミュレーションフレームワークと、低次ダイナミクスに基づくベンチマークを導入する。本研究では,シミュレーション前トレーニングと物理インフォームドテスト時間適応を統合するフレームワークであるDynamics Informed Diffusion Policy (DIDP)を提案する。
論文参考訳（メタデータ） (2025-05-23T03:28:25Z)
Neural Motion Fields: Encoding Grasp Trajectories as Implicit Value Functions [65.84090965167535]
本稿では,ニューラルネットワークによってパラメータ化される暗黙的値関数として,オブジェクト点群と相対的タスク軌跡の両方を符号化する新しいオブジェクト表現であるNeural Motion Fieldsを提案する。このオブジェクト中心表現は、SE(3)空間上の連続分布をモデル化し、サンプリングベースのMPCを利用して、この値関数を最適化することで、反応的に把握することができる。
論文参考訳（メタデータ） (2022-06-29T18:47:05Z)
Differentiable Simulation of Soft Multi-body Systems [99.4302215142673]
我々は、Projective Dynamics内でトップダウン行列アセンブリアルゴリズムを開発する。筋肉,関節トルク,空気圧管によって駆動される軟口蓋体に対して,異なる制御機構を導出する。
論文参考訳（メタデータ） (2022-05-03T20:03:22Z)
Accelerated Policy Learning with Parallel Differentiable Simulation [59.665651562534755]
微分可能シミュレータと新しいポリシー学習アルゴリズム(SHAC)を提案する。本アルゴリズムは,スムーズな批判機能により局所最小化の問題を軽減する。現状のRLと微分可能なシミュレーションベースアルゴリズムと比較して,サンプル効率と壁面時間を大幅に改善した。
論文参考訳（メタデータ） (2022-04-14T17:46:26Z)
PlasticineLab: A Soft-Body Manipulation Benchmark with Differentiable Physics [89.81550748680245]
PasticineLabと呼ばれる新しい微分可能な物理ベンチマークを導入する。各タスクにおいて、エージェントはマニピュレータを使用して、プラスチックを所望の構成に変形させる。本稿では,既存の強化学習(RL)手法と勾配に基づく手法について評価する。
論文参考訳（メタデータ） (2021-04-07T17:59:23Z)
ADD: Analytically Differentiable Dynamics for Multi-Body Systems with Frictional Contact [26.408218913234872]
剛体および変形可能な物体に対する摩擦接触を処理できる微分可能な動的解法を提案する。本手法は, 摩擦接触の非平滑な性質に起因した主な困難を回避できる。
論文参考訳（メタデータ） (2020-07-02T09:51:36Z)

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。