論文の概要: FlyAware: Inertia-Aware Aerial Manipulation via Vision-Based Estimation and Post-Grasp Adaptation

• arxiv url: http://arxiv.org/abs/2601.22686v1
• Date: Fri, 30 Jan 2026 08:02:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:41.031013
• Title: FlyAware: Inertia-Aware Aerial Manipulation via Vision-Based Estimation and Post-Grasp Adaptation
• Title（参考訳）: FlyAware:ビジョンベース推定とアフターグラフ適応による慣性認識空気マニピュレーション
• Authors: Biyu Ye, Na Fan, Zhengping Fan, Weiliang Deng, Hongming Chen, Qifeng Chen, Ximin Lyu,
• Abstract要約: 本文は, 強靭な航空操作のための新しい枠組みを提示する。 提案システムでは,視力に基づく初期慣性推定モジュールとポストグラフ適応機構を統合した。 制御のために、ゲインスケジューリングに基づく慣性を考慮した適応制御戦略を開発する。
• 参考スコア（独自算出の注目度）: 38.97192455287927
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Aerial manipulators (AMs) are gaining increasing attention in automated transportation and emergency services due to their superior dexterity compared to conventional multirotor drones. However, their practical deployment is challenged by the complexity of time-varying inertial parameters, which are highly sensitive to payload variations and manipulator configurations. Inspired by human strategies for interacting with unknown objects, this letter presents a novel onboard framework for robust aerial manipulation. The proposed system integrates a vision-based pre-grasp inertia estimation module with a post-grasp adaptation mechanism, enabling real-time estimation and adaptation of inertial dynamics. For control, we develop an inertia-aware adaptive control strategy based on gain scheduling, and assess its robustness via frequency-domain system identification. Our study provides new insights into post-grasp control for AMs, and real-world experiments validate the effectiveness and feasibility of the proposed framework.
• Abstract（参考訳）: 航空機用マニピュレータ(AM)は、従来のマルチロータドローンに比べてデキスタリティが優れているため、自動輸送や救急サービスに注目が集まっている。 しかし、それらの実践的な展開は、ペイロードのバリエーションやマニピュレータの設定に非常に敏感な時間変化慣性パラメータの複雑さによって挑戦されている。 未知の物体と対話するための人間の戦略に触発されたこの手紙は、堅牢な空中操作のための新しい枠組みを提示している。 提案システムでは,視覚に基づく初期慣性推定モジュールとポストグラフ適応機構を統合し,実時間推定と慣性力学の適応を可能にする。 制御のために、ゲインスケジューリングに基づく慣性を考慮した適応制御戦略を開発し、周波数領域システム同定によるロバスト性の評価を行う。 本研究は,AMの術後制御に関する新たな知見を提供するとともに,提案フレームワークの有効性と妥当性を実世界の実験で検証する。

関連論文リスト

• ACLM: ADMM-Based Distributed Model Predictive Control for Collaborative Loco-Manipulation [9.708461585583791]
  重荷のロコ操作による共同輸送は、脚のあるロボットにとって難しいが必須の能力である。 本研究は,ロコマニピュレーションのための分散モデル予測制御フレームワークであるマルチプライアの交互方向法を提案する。
  論文  参考訳（メタデータ） (2026-03-07T08:06:51Z)
• Verification of Visual Controllers via Compositional Geometric Transformations [49.81690518952909]
  到達可能な集合の外部近似を生成できる知覚ベースのコントローラのための新しい検証フレームワークを提案する。 提案手法の音質を理論的に保証し,ベンチマーク制御環境における有効性を示す。
  論文  参考訳（メタデータ） (2025-07-06T20:22:58Z)
• SP-VLA: A Joint Model Scheduling and Token Pruning Approach for VLA Model Acceleration [70.72227437717467]
  VLA(Vision-Language-Action)モデルは、その強力な制御能力に注目が集まっている。 計算コストが高く、実行頻度も低いため、ロボット操作や自律ナビゲーションといったリアルタイムタスクには適さない。 本稿では,共同スケジューリングモデルとプルーニングトークンにより,VLAモデルを高速化する統一フレームワークSP-VLAを提案する。
  論文  参考訳（メタデータ） (2025-06-15T05:04:17Z)
• Distributed Robust Learning based Formation Control of Mobile Robots based on Bioinspired Neural Dynamics [14.149584412213269]
  まず,変数構造とカスケード設計手法を用いた分散推定器を導入し,実時間性能向上のための微分情報の必要性を排除した。 そして、スムーズな制御入力を提供し、スピードジャンプ問題を効果的に解決することを目的とした、バイオインスパイアされたニューラルダイナミックベースのアプローチを用いて、キネマティックトラッキング制御法を開発した。 完全に未知の力学と乱れを持つロボットの課題に対処するために,学習に基づく頑健な動的コントローラを開発した。
  論文  参考訳（メタデータ） (2024-03-23T04:36:12Z)
• Learning Variable Impedance Control for Aerial Sliding on Uneven Heterogeneous Surfaces by Proprioceptive and Tactile Sensing [42.27572349747162]
  本研究では,空中すべり作業に対する学習に基づく適応制御手法を提案する。 提案するコントローラ構造は,データ駆動制御とモデルベース制御を組み合わせたものである。 美術品間相互作用制御手法の微調整状態と比較して,追従誤差の低減と外乱拒否の改善を実現した。
  論文  参考訳（メタデータ） (2022-06-28T16:28:59Z)
• Physics-Inspired Temporal Learning of Quadrotor Dynamics for Accurate Model Predictive Trajectory Tracking [76.27433308688592]
  クオーロタのシステムダイナミクスを正確にモデル化することは、アジャイル、安全、安定したナビゲーションを保証する上で非常に重要です。 本稿では,ロボットの経験から,四重項系の力学を純粋に学習するための新しい物理インスパイアされた時間畳み込みネットワーク(PI-TCN)を提案する。 提案手法は,スパース時間的畳み込みと高密度フィードフォワード接続の表現力を組み合わせて,正確なシステム予測を行う。
  論文  参考訳（メタデータ） (2022-06-07T13:51:35Z)
• Adaptation through prediction: multisensory active inference torque control [0.0]
  本稿では,産業用アームのための多感能動型トルクコントローラを提案する。 私たちのコントローラは、予測的脳仮説にインスパイアされ、現在のアクティブな推論アプローチの能力を向上します。
  論文  参考訳（メタデータ） (2021-12-13T16:03:18Z)
• Learning Compliance Adaptation in Contact-Rich Manipulation [81.40695846555955]
  本稿では,コンタクトリッチタスクに必要な力プロファイルの予測モデルを学習するための新しいアプローチを提案する。 このアプローチは、双方向Gated Recurrent Units (Bi-GRU) に基づく異常検出と適応力/インピーダンス制御を組み合わせたものである。
  論文  参考訳（メタデータ） (2020-05-01T05:23:34Z)
• Control Design of Autonomous Drone Using Deep Learning Based Image Understanding Techniques [1.0953917735844645]
  本稿では,室内の騒音や不確実性を考慮して,自律飛行を行うための制御器の入力として画像を使用する新しい枠組みを提案する。 ノイズの多い環境下でドローン/クワッドコプターの飛行安定性を向上させるために, 微分フィルタを用いた新しいPIDA制御を提案する。
  論文  参考訳（メタデータ） (2020-04-27T15:50:04Z)

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。