論文の概要: P-FABRIK: A General Intuitive and Robust Inverse Kinematics Method for Parallel Mechanisms Using FABRIK Approach

• arxiv url: http://arxiv.org/abs/2512.22927v1
• Date: Sun, 28 Dec 2025 13:42:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:40.53795
• Title: P-FABRIK: A General Intuitive and Robust Inverse Kinematics Method for Parallel Mechanisms Using FABRIK Approach
• Title（参考訳）: P-FABRIK:FABRIKアプローチを用いた並列機構の一般直観的・ロバスト逆運動学手法
• Authors: Daqian Cao, Quan Yuan, Weibang Bai,
• Abstract要約: P-FABRIKは汎用的で直感的で頑健な逆キネマティクス法であり、多様な並列機構のための一つの実現可能な解を見つける。 平面, 標準, 冗長並列機構を含むケーススタディは, 多様な並列機構にまたがって提案手法の一般化を実証した。
• 参考スコア（独自算出の注目度）: 4.356797980543347
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Traditional geometric inverse kinematics methods for parallel mechanisms rely on specific spatial geometry constraints. However, their application to redundant parallel mechanisms is challenged due to the increased constraint complexity. Moreover, it will output no solutions and cause unpredictable control problems when the target pose lies outside its workspace. To tackle these challenging issues, this work proposes P-FABRIK, a general, intuitive, and robust inverse kinematics method to find one feasible solution for diverse parallel mechanisms based on the FABRIK algorithm. By decomposing the general parallel mechanism into multiple serial sub-chains using a new topological decomposition strategy, the end targets of each sub-chain can be subsequently revised to calculate the inverse kinematics solutions iteratively. Multiple case studies involving planar, standard, and redundant parallel mechanisms demonstrated the proposed method's generality across diverse parallel mechanisms. Furthermore, numerical simulation studies verified its efficacy and computational efficiency, as well as its robustness ability to handle out-of-workspace targets.
• Abstract（参考訳）: 並列機構の伝統的な幾何学的逆運動学法は、特定の空間幾何学的制約に依存する。 しかし、制約の複雑さの増大により、冗長並列機構へのそれらの適用は困難である。 さらに、ターゲットのポーズがワークスペースの外にある場合、ソリューションを出力せず、予測不可能な制御問題を引き起こす。 これらの課題に対処するため、本研究では、FABRIKアルゴリズムに基づく多種多様な並列機構の1つの実現可能な解を見つけるために、汎用的で直感的で頑健な逆キネマティクス法であるP-FABRIKを提案する。 新しいトポロジカル分解戦略を用いて、一般的な並列機構を複数のシリアルサブチェーンに分解することにより、各サブチェーンの終端ターゲットを修正して、逆キネマティクス解を反復的に計算することができる。 平面, 標準, 冗長並列機構を含む複数のケーススタディは, 多様な並列機構にまたがって提案手法の一般化を実証した。 さらに、数値シミュレーション研究は、その有効性と計算効率、およびワークスペース外のターゲットを扱う頑健さを検証した。

関連論文リスト

• First-Order Geometry, Spectral Compression, and Structural Compatibility under Bounded Computation [0.0]
  本稿では,自己随伴演算子によって制限を符号化する演算子理論の定式化を提案する。 この設定では、最適一階改善方向が擬似逆重み勾配として現れる。 実効力学が支配的なスペクトルモードに沿って集中していることを示し、スペクトル圧縮の原理的概念を導出する。
  論文  参考訳（メタデータ） (2026-03-09T15:29:41Z)
• Autoencoder-based non-intrusive model order reduction in continuum mechanics [0.0]
  連続体力学における低次モデリングのための非侵入型オートエンコーダに基づくフレームワークを提案する。 i) 教師なしオートエンコーダは、高次元有限要素解をコンパクトな潜在空間に圧縮し、(ii) 教師付き回帰ネットワークは、問題のパラメータを潜在符号にマッピングし、(iii) エンドツーエンドのサロゲートは入力パラメータから直接、フルフィールドの解を再構成する。
  論文  参考訳（メタデータ） (2025-09-02T12:05:00Z)
• Efficient Design of Compliant Mechanisms Using Multi-Objective Optimization [50.24983453990065]
  そこで本研究では,大きな角状脳卒中を許容できる適合型クロスヒンジ機構の合成について述べる。 キネトスタティックな性能測定に基づいて,多目的最適化問題を定式化する。
  論文  参考訳（メタデータ） (2025-04-23T06:29:10Z)
• Generalization Bounds of Surrogate Policies for Combinatorial Optimization Problems [53.03951222945921]
  我々はスムーズな(摂動された)ポリシーを解析し、線形オラクルが使用する方向に対して制御されたランダムな摂動を付加する。 我々の主な貢献は、過剰リスクを摂動バイアス、統計的推定誤差、最適化誤差に分解する一般化境界である。 車両のスケジューリングやスムーズ化がトラクタブルトレーニングと制御された一般化の両方を可能にしていることを示す。
  論文  参考訳（メタデータ） (2024-07-24T12:00:30Z)
• Encoding arbitrary Ising Hamiltonians on Spatial Photonic Ising Machines [0.0]
  本研究では,完全な相互作用行列を直接制御できるSPIMインスタンスを導入,実験的に検証する。 実験によって測定されたIsingエネルギーと理論的な期待値との整合性を実証し、未重み付きグラフ問題と重み付きグラフ問題の両方を解決する。 本手法は,システム固有の利点を犠牲にすることなく,実世界のアプリケーションに適用可能なSPIMを大幅に拡張する。
  論文  参考訳（メタデータ） (2024-07-12T10:54:07Z)
• Multi-Objective Policy Gradients with Topological Constraints [108.10241442630289]
  本稿では, PPOアルゴリズムの簡単な拡張により, TMDPにおけるポリシー勾配に対する新しいアルゴリズムを提案する。 シミュレーションと実ロボットの両方の目的を任意に並べた実世界の多目的ナビゲーション問題に対して,これを実証する。
  論文  参考訳（メタデータ） (2022-09-15T07:22:58Z)
• Optimization on manifolds: A symplectic approach [127.54402681305629]
  本稿では、最適化問題を解くための一般的な枠組みとして、ディラックの制約付きハミルトン系理論の散逸拡張を提案する。 我々の(加速された)アルゴリズムのクラスは単純で効率的なだけでなく、幅広い文脈にも適用できる。
  論文  参考訳（メタデータ） (2021-07-23T13:43:34Z)
• Joint Network Topology Inference via Structured Fusion Regularization [70.30364652829164]
  結合ネットワークトポロジ推論は、異種グラフ信号から複数のグラフラプラシア行列を学習する標準的な問題を表す。 新規な構造化融合正規化に基づく一般グラフ推定器を提案する。 提案するグラフ推定器は高い計算効率と厳密な理論保証の両方を享受できることを示す。
  論文  参考訳（メタデータ） (2021-03-05T04:42:32Z)
• Masked Language Modeling for Proteins via Linearly Scalable Long-Context Transformers [42.93754828584075]
  我々は、高速注意Via Orthogonal Random機能(FAVOR)に基づく新しいトランスフォーマーアーキテクチャPerformerを提案する。 我々の機構は、列内のトークンの数で2次ではなく2次的にスケールし、四次空間の複雑さが特徴であり、スパーシティパターンの先行を含まない。 これは強い理論的保証を与える:注意行列の偏りのない推定と一様収束である。
  論文  参考訳（メタデータ） (2020-06-05T17:09:16Z)

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。