論文の概要: Lightweight Dynamic Modeling of Cable-Driven Continuum Robots Based on Actuation-Space Energy Formulation
- arxiv url: http://arxiv.org/abs/2512.13271v1
- Date: Mon, 15 Dec 2025 12:30:24 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-23 08:17:40.353172
- Title: Lightweight Dynamic Modeling of Cable-Driven Continuum Robots Based on Actuation-Space Energy Formulation
- Title（参考訳）: 作動空間エネルギーの定式化に基づくケーブル駆動連続ロボットの軽量動的モデリング
- Authors: Fangju Yang, Hang Yang, Ibrahim Alsarraj, Yuhao Wang, Ke Wu,
- Abstract要約: ケーブル駆動連続ロボット(CDCR)は、高速なダイナミックス予測やモデルベース制御のために、正確なリアルタイムな動的モデルを必要とする。
本稿では,CDCRのための軽量動作空間エネルギーモデリング(EMLAS)フレームワークを提案する。
このフレームワークは、アクティベーション空間内でのアクティベーションポテンシャルエネルギーを直接定式化し、軽量で正確な動的モデリングを可能にする。
- 参考スコア（独自算出の注目度）: 9.404002021033342
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Cable-driven continuum robots (CDCRs) require accurate, real-time dynamic models for high-speed dynamics prediction or model-based control, making such capability an urgent need. In this paper, we propose the Lightweight Actuation-Space Energy Modeling (LASEM) framework for CDCRs, which formulates actuation potential energy directly in actuation space to enable lightweight yet accurate dynamic modeling. Through a unified variational derivation, the governing dynamics reduce to a single partial differential equation (PDE), requiring only the Euler moment balance while implicitly incorporating the Newton force balance. By also avoiding explicit computation of cable-backbone contact forces, the formulation simplifies the model structure and improves computational efficiency while preserving geometric accuracy and physical consistency. Importantly, the proposed framework for dynamic modeling natively supports both force-input and displacement-input actuation modes, a capability seldom achieved in existing dynamic formulations. Leveraging this lightweight structure, a Galerkin space-time modal discretization with analytical time-domain derivatives of the reduced state further enables an average 62.3% computational speedup over state-of-the-art real-time dynamic modeling approaches.
- Abstract（参考訳）: ケーブル駆動連続ロボット(CDCR)は、高速なダイナミックス予測やモデルベース制御のために、正確なリアルタイムな動的モデルを必要とするため、そのような能力が緊急に必要となる。
本稿では, 軽量かつ高精度な動的モデリングを実現するために, CDCRのための軽量動作空間エネルギーモデリング(LASEM)フレームワークを提案する。
統一された変分微分により、支配力学は1つの偏微分方程式(PDE)に還元され、ニュートンの力のバランスを暗黙的に取り入れる一方で、オイラーモーメントのバランスだけを必要とする。
また、ケーブルバックボーン接触力の明示的な計算を避けることにより、定式化はモデル構造を単純化し、幾何精度と物理的整合性を保ちながら計算効率を向上させる。
重要な点として、動的モデリングのためのフレームワークは、既存の動的定式化ではめったに達成されない、力入力モードと変位入力動作モードの両方をネイティブにサポートしている。
この軽量構造を活用することで、ガレルキンの時空モードの離散化と減少状態の分析的時間領域の微分により、最先端のリアルタイムモデリングアプローチよりも平均62.3%の計算スピードアップが可能になる。
関連論文リスト
- Towards Infinitely Long Neural Simulations: Self-Refining Neural Surrogate Models for Dynamical Systems [30.037248637148693]
自己精製型ニューラルサロゲートモデル(SNS)は、スタンドアロンモデルまたは既存のニューラルサロゲートの補完モデルとして実装することができる。
論文 参考訳（メタデータ） (2026-03-18T14:14:40Z) - Physics-informed Deep Mixture-of-Koopmans Vehicle Dynamics Model with Dual-branch Encoder for Distributed Electric-drive Trucks [19.506735422845182]
複合分散電動車(DET)に適したデータ駆動動的モデリング手法を提案する。
まず、動的状態を符号化し、KODEと題するクープマン方式の強力な基盤を提供する新しいデュアルブランチエンコーダを提案する。
エンコーダとクープマン演算子の両方の効果的な学習を容易にするために、物理インフォームド監視機構をトレーニングプロセスに組み込む。
論文 参考訳（メタデータ） (2026-03-18T06:47:40Z) - Scalable Spatio-Temporal SE(3) Diffusion for Long-Horizon Protein Dynamics [51.85385061275941]
分子動力学(MD)シミュレーションは、タンパク質動力学研究のゴールドスタンダードのままである。
近年の生成モデルではシミュレーションの加速が期待できるが、長軸生成に苦慮している。
物理的に可塑性なタンパク質軌道をマイクロスケールの時間スケールで生成する拡張拡散モデルSTAR-MDを提案する。
論文 参考訳（メタデータ） (2026-02-02T14:13:28Z) - Fractional-order Modeling for Nonlinear Soft Actuators via Particle Swarm Optimization [49.34452620841728]
本稿では, ソフト材料の動的挙動を捉えるために, 分数次微分方程式(FODE)に基づく革新的なモデリング手法を提案する。
提案手法は,ソフトアクチュエータに固有の複雑な変形現象を効果的に表現する。
論文 参考訳（メタデータ） (2025-12-20T04:46:25Z) - Forecasting Continuous Non-Conservative Dynamical Systems in SO(3) [51.510040541600176]
コンピュータビジョンにおける移動物体の回転をモデル化するための新しい手法を提案する。
我々のアプローチは、入力ノイズに対して頑健でありながら、エネルギーと運動量保存に非依存である。
トレーニング中の雑音状態から物体のダイナミクスを近似させることで、シミュレーションや様々な現実世界の設定において頑健な外挿能力が得られる。
論文 参考訳（メタデータ） (2025-08-11T09:03:10Z) - Latent Space Energy-based Neural ODEs [73.01344439786524]
本稿では,連続時間列を表現するために設計された新しい深部力学モデルを提案する。
マルコフ連鎖モンテカルロの最大推定値を用いてモデルを訓練する。
振動系, ビデオ, 実世界の状態系列(MuJoCo)の実験結果から, 学習可能なエネルギーベース先行モデルの方が既存のモデルより優れていることが示された。
論文 参考訳（メタデータ） (2024-09-05T18:14:22Z) - Reduced order modeling of parametrized systems through autoencoders and
SINDy approach: continuation of periodic solutions [0.0]
本研究は,ROM構築と動的識別の低減を組み合わせたデータ駆動型非侵入型フレームワークを提案する。
提案手法は、非線形力学(SINDy)のパラメトリックスパース同定によるオートエンコーダニューラルネットワークを利用して、低次元力学モデルを構築する。
これらは、システムパラメータの関数として周期的定常応答の進化を追跡し、過渡位相の計算を避け、不安定性と分岐を検出することを目的としている。
論文 参考訳（メタデータ） (2022-11-13T01:57:18Z) - Nonlinear model reduction for slow-fast stochastic systems near unknown
invariant manifolds [4.565636963872865]
低次元不変実効多様体を持つ高次元力学系に対する非線形モデル還元手法を提案する。
ブラックボックスシミュレータを用いて,シミュレーションの短いバーストが得られる。
シミュレータは不変多様体の低次元を生かし、有効過程の正則性に依存する大きさの時間ステップを取るという点で効率的である。
論文 参考訳（メタデータ） (2021-04-05T19:29:46Z)
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。