論文の概要: Scalable Screw-Theoretic Synthesis for PDE-Based Dynamic Modeling of Multibody Flexible Manipulators

• arxiv url: http://arxiv.org/abs/2601.16242v1
• Date: Thu, 22 Jan 2026 09:05:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:40.913144
• Title: Scalable Screw-Theoretic Synthesis for PDE-Based Dynamic Modeling of Multibody Flexible Manipulators
• Title（参考訳）: PDEに基づく多体フレキシブルマニピュレータの動的モデリングのためのスケーラブルスクリュー理論合成
• Authors: S. Yaqubi, J. Mattila,
• Abstract要約: 本稿では,PDEに基づくシリアルロボットマニピュレータの動的モデリングのための,新しい,スケーラブルなマルチボディ合成フレームワークを提案する。 このフレームワークは、各ボディ固定フレームの運動やフレキシブルリンクの分散変形フィールドを含む全ての動的状態を明示的に復元する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper presents a novel and scalable screw-theoretic multibody synthesis framework for PDE-based dynamic modeling of serial robotic manipulators with an arbitrary number of flexible links in three-dimensional space. The proposed approach systematically constructs screw-theoretic PDE models for individual flexible links and rigorously enforces holonomic joint constraints through interaction forces. The dynamics of each link are formulated using a set of dual screws expressed in body-fixed coordinates: one describing the motion of the body-fixed frame relative to the inertial frame, a second relating the body-fixed frame to the undeformed configuration, and a third capturing elastic deformations. By expressing the system energy and applying variational principles, the governing dynamics of each link had been previously derived in a unified manner. Synthesizing the individual link models yields an infinitely scalable multibody representation capable of capturing both local (subsystem-level) and global (system-level) dynamics. The framework explicitly recovers all dynamic states, including the motion of each body-fixed frame and the distributed deformation fields of the flexible links. For computational tractability and mathematical rigor, the resulting governing equations are formulated as a semi-explicit index-1 differential-algebraic system. Furthermore, by applying separation of variables, the PDE model is recast as an abstract Cauchy problem, and well-posedness of the resulting system is established.
• Abstract（参考訳）: 本稿では,PDEをベースとした3次元空間におけるフレキシブルリンクの任意個数を持つシリアルロボットマニピュレータの動的モデリングのための,新しい,スケーラブルなねじ理論多体合成フレームワークを提案する。 提案手法は、個々のフレキシブルリンクに対するスクリュー理論PDEモデルを体系的に構築し、相互作用力を通じてホロノミックジョイント制約を厳格に実施する。 各リンクのダイナミクスは、慣性フレームに対する体固定フレームの運動を記述する2重ネジセットと、体固定フレームを変形しない構成に関連付ける第2と、弾性変形をキャプチャする第3とを用いて、体固定座標で表される2重ネジセットを用いて定式化される。 システムエネルギーを表現し、変動原理を適用することで、各リンクの制御ダイナミクスは以前、統一された方法で導出されていた。 個々のリンクモデルを合成すると、ローカル(サブシステムレベル)とグローバル(システムレベル)の両方をキャプチャできる無限にスケーラブルなマルチボディ表現が得られる。 このフレームワークは、各ボディ固定フレームの運動やフレキシブルリンクの分散変形フィールドを含む全ての動的状態を明示的に復元する。 計算的トラクタビリティと数学的厳密性のために、結果として得られる支配方程式は半指数1微分代数系として定式化される。 さらに、変数の分離を適用することにより、PDEモデルを抽象コーシー問題として再キャストし、結果として得られるシステムの健全性を確立する。

関連論文リスト

• Curve-Induced Dynamical Systems on Riemannian Manifolds and Lie Groups [25.48711199625679]
  本稿では,Smooth Manifolds (CDSM) 上でCurveによって誘導される動的システムについて紹介する。 トラジェクトリ精度の向上,経路偏差の低減,生成時間とクエリ時間の向上を,最先端手法と比較した。
  論文  参考訳（メタデータ） (2026-03-05T15:18:26Z)
• Variational Grey-Box Dynamics Matching [45.595103078998385]
  非完全物理モデルを直接生成モデルに統合する新しいグレイボックス法を提案する。 提案手法は,物理パラメータを使わずに,観測軌道のみから力学を学習する。 代表的ODE/PDE問題に対する実験により,本手法が完全データ駆動手法に匹敵する性能を示した。
  論文  参考訳（メタデータ） (2026-02-19T15:43:22Z)
• HGATSolver: A Heterogeneous Graph Attention Solver for Fluid-Structure Interaction [13.302003830989221]
  流体-構造相互作用(FSI)システムは、異なる物理領域、流体と固体を含み、異なる偏微分方程式によって制御され、動的界面で結合される。 学習に基づく解法はコストのかかる数値シミュレーションに代わる有望な代替手段を提供するが、既存の手法は統合されたフレームワーク内でのFSIの不均一なダイナミクスを捉えるのに苦労している。 この課題は、インターフェイス結合によるドメイン間の応答の不整合と、流体と固体領域間の学習困難の相違によりさらに悪化し、予測中に不安定になる。
  論文  参考訳（メタデータ） (2026-01-14T07:38:02Z)
• Semilinear single-track vehicle models with distributed tyre friction dynamics [1.453612836743437]
  本稿では,過渡タイヤ力学の分散表現を取り入れた,単軌道車両モデルの一群について紹介する。 提案するフレームワークは,ブリストル・ダイナミクス(FrBD)モデルを用いた分散摩擦で表される。 シミュレーションにより, 先進的な操舵操作に対するマイクロシミー振動と過渡的な横方向応答を捉えることができることを示した。
  論文  参考訳（メタデータ） (2026-01-11T10:55:51Z)
• Towards a Foundation Model for Partial Differential Equations Across Physics Domains [1.7115425267046014]
  物理インフォームド・機械学習のためのモジュラー基礎モデルであるPDE-FMを提案する。 空間的、スペクトル的、時間的推論を不均一偏微分方程式(PDE)系に統一する。 PDE-FMは多種多様なPDEデータセット上で1度事前訓練され、アーキテクチャやデータ固有の変更なしに新しい物理レジームに転送できる。
  論文  参考訳（メタデータ） (2025-11-26T19:36:15Z)
• Lie symmetries and ghost-free representations of the Pais-Uhlenbeck model [44.99833362998488]
  より高次時間微分理論のパラダイム的な例である Pais-Uhlenbeck (PU) モデルについて検討する。 モデルのビ・ハミルトニアン構造とともにリー対称性を爆発させることで、ポアソンブラケットの異なる定式化を構築する。 我々の手法は、より高い時間微分力学を解釈し安定化するための統一的な枠組みをもたらす。
  論文  参考訳（メタデータ） (2025-05-09T15:16:40Z)
• Advancing Generalization in PINNs through Latent-Space Representations [71.86401914779019]
  物理インフォームドニューラルネットワーク(PINN)は、偏微分方程式(PDE)によって支配される力学系のモデリングにおいて大きな進歩を遂げた。 本稿では,多種多様なPDE構成を効果的に一般化する物理インフォームドニューラルPDE解法PIDOを提案する。 PIDOは1次元合成方程式と2次元ナビエ・ストークス方程式を含む様々なベンチマークで検証する。
  論文  参考訳（メタデータ） (2024-11-28T13:16:20Z)
• 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)
• Parameter-varying neural ordinary differential equations with partition-of-unity networks [5.885020100736158]
  本稿では,モデルパラメータの進化を一様ネットワーク(POUNets)で表すニューラル常微分方程式(NODEs)を提案する。 提案したNODEの変種は、POUNetsで合成され、空間のメッシュフリーパーティションを学習し、各パーティションに関連付けられたスイッチセットを用いてODEパラメータの進化を表現する。 本研究では,(1)ハイブリッドシステムのデータ駆動動的モデリング,(2)線形力学系,(3)外部強制力の異なる動的システムの潜在力学の3つの重要な課題に対して提案手法の有効性を実証する。
  論文  参考訳（メタデータ） (2022-10-01T20:48:01Z)
• Capturing Actionable Dynamics with Structured Latent Ordinary Differential Equations [68.62843292346813]
  本稿では,その潜在表現内でのシステム入力の変動をキャプチャする構造付き潜在ODEモデルを提案する。 静的変数仕様に基づいて,本モデルではシステムへの入力毎の変動要因を学習し,潜在空間におけるシステム入力の影響を分離する。
  論文  参考訳（メタデータ） (2022-02-25T20:00:56Z)
• Euclideanizing Flows: Diffeomorphic Reduction for Learning Stable Dynamical Systems [74.80320120264459]
  本研究では、限られた数の人間の実演からそのような動きを学ぶためのアプローチを提案する。 複素運動は安定な力学系のロールアウトとして符号化される。 このアプローチの有効性は、確立されたベンチマーク上での検証と、現実世界のロボットシステム上で収集されたデモによって実証される。
  論文  参考訳（メタデータ） (2020-05-27T03:51:57Z)

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。