論文の概要: Nonlinear Spectral Modeling and Control of Soft-Robotic Muscles from Data

• arxiv url: http://arxiv.org/abs/2601.03247v1
• Date: Tue, 06 Jan 2026 18:43:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:40.667537
• Title: Nonlinear Spectral Modeling and Control of Soft-Robotic Muscles from Data
• Title（参考訳）: データからのソフトロボット筋肉の非線形スペクトルモデリングと制御
• Authors: Leonardo Bettini, Amirhossein Kazemipour, Robert K. Katzschmann, George Haller,
• Abstract要約: 水圧静電アクチュエータ(HASEL)は高性能だが、記憶効果と筋骨格効果を示す。 本稿では、スペクトル部分多様体(SSM)理論に基づくデータ駆動還元制御戦略を提案する。 対角的HASELクラッチ接合部をリアルタイムに制御するためのSSMモデルを構築した。
• 参考スコア（独自算出の注目度）: 6.770726279203919
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Artificial muscles are essential for compliant musculoskeletal robotics but complicate control due to nonlinear multiphysics dynamics. Hydraulically amplified electrostatic (HASEL) actuators, a class of soft artificial muscles, offer high performance but exhibit memory effects and hysteresis. Here we present a data-driven reduction and control strategy grounded in spectral submanifold (SSM) theory. In the adiabatic regime, where inputs vary slowly relative to intrinsic transients, trajectories rapidly converge to a low-dimensional slow manifold. We learn an explicit input-to-output map on this manifold from forced-response trajectories alone, avoiding decay experiments that can trigger hysteresis. We deploy the SSM-based model for real-time control of an antagonistic HASEL-clutch joint. This approach yields a substantial reduction in tracking error compared to feedback-only and feedforward-only baselines under identical settings. This record-and-control workflow enables rapid characterization and high-performance control of soft muscles and muscle-driven joints without detailed physics-based modeling.
• Abstract（参考訳）: 人工筋肉は筋骨格ロボットに必須であるが, 非線形多体運動による制御が複雑である。 水圧増幅静電アクチュエータ(HASEL)は、柔らかい人工筋肉のクラスであり、高い性能を提供するが、記憶効果とヒステリシスを示す。 ここでは、スペクトル部分多様体(SSM)理論に基づくデータ駆動還元制御戦略を提案する。 内在的過渡度に対して入力がゆっくり変化する断熱的状態において、軌道は急速に低次元の遅い多様体に収束する。 我々は、この多様体上の明示的な入出力写像を強制応答軌道のみから学習し、ヒステリシスを引き起こす可能性のある崩壊実験を避ける。 対角的HASELクラッチ接合部をリアルタイムに制御するためのSSMモデルを構築した。 このアプローチは、フィードバックのみのベースラインとフィードフォワードのみのベースラインとを同じ設定で比較した場合、トラッキングエラーを大幅に削減する。 この記録制御ワークフローは、物理学に基づく詳細なモデリングをすることなく、軟部筋と筋肉駆動関節の迅速な特徴付けと高性能な制御を可能にする。

関連論文リスト

• Optimal control of differentially flat underactuated planar robots in the perspective of oscillation mitigation [0.0]
  不安定なロボットはアクチュエータよりも多くの自由度によって特徴づけられる。 この構造特性は、軽量で費用対効果の高いロボットシステムの開発を可能にする。
  論文  参考訳（メタデータ） (2026-03-16T16:55:11Z)
• 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)
• PHASE-Net: Physics-Grounded Harmonic Attention System for Efficient Remote Photoplethysmography Measurement [63.007237197267834]
  既存のディープラーニング手法は、主に生理学的モニタリングであり、理論的な堅牢性を欠いている。 本研究では,Navier-Stokes方程式のヘモダイナミックスから導かれる物理インフォームド r パラダイムを提案し,パルス信号が2次系に従うことを示す。 これは、時間的円錐ネットワーク(TCN)を使用する理論的正当性を提供する。 Phase-Netは高い効率で最先端のパフォーマンスを実現し、理論上は基礎的でデプロイ可能な r ソリューションを提供する。
  論文  参考訳（メタデータ） (2025-09-29T14:36:45Z)
• Causal Multi-fidelity Surrogate Forward and Inverse Models for ICF Implosions [0.0]
  inertial confinement fusion (ICF) は、実験的な観測とシミュレーション入力パラメータに関する逆問題の解法を必要とする。 ここでは、ICFカプセルの重水素トリチウム(DT)界面を考察し、時間依存の放射温度駆動から界面の半径と速度のダイナミクスにマッピングする因果的、動的、多面的還元次代理を構築する。 我々は,高エネルギー密度システムの発見,設計,診断を加速するために,演算子学習,因果的アーキテクチャ,物理的帰納バイアスをいかに統合するかを示す。
  論文  参考訳（メタデータ） (2025-09-05T21:39:53Z)
• 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)
• A scalable generative model for dynamical system reconstruction from neuroimaging data [5.777167013394619]
  データ駆動推論は、観測された時系列の集合に基づく生成力学の推論であり、機械学習への関心が高まっている。 動的システム再構成(DSR)に特化した状態空間モデル(SSM)のトレーニング技術における最近の進歩は、基礎となるシステムの回復を可能にする。 本稿では,この問題を解く新しいアルゴリズムを提案し,モデル次元とフィルタ長とを比較検討する。
  論文  参考訳（メタデータ） (2024-11-05T09:45:57Z)
• End-to-End Learning of Hybrid Inverse Dynamics Models for Precise and Compliant Impedance Control [16.88250694156719]
  剛体力学モデルの物理的に一貫した慣性パラメータを同定できる新しいハイブリッドモデルの定式化を提案する。 7自由度マニピュレータ上での最先端の逆動力学モデルに対する我々のアプローチを比較した。
  論文  参考訳（メタデータ） (2022-05-27T07:39:28Z)
• A Note on Learning Rare Events in Molecular Dynamics using LSTM and Transformer [4.80427355202687]
  近年,低次元反応座標のシミュレーションデータを用いてLSTMによるスローダイナミクスの学習に成功した。 本稿では, 言語モデル学習の性能, すなわち反応座標の次元性, 時間分解能, 状態分割の3つの重要な要因について述べる。
  論文  参考訳（メタデータ） (2021-07-14T09:26:36Z)
• Dynamic Mode Decomposition in Adaptive Mesh Refinement and Coarsening Simulations [58.720142291102135]
  動的モード分解(DMD)はコヒーレントなスキームを抽出する強力なデータ駆動方式である。 本稿では,異なるメッシュトポロジと次元の観測からDMDを抽出する戦略を提案する。
  論文  参考訳（メタデータ） (2021-04-28T22:14:25Z)

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。