Fugu-MT 論文翻訳(概要): Efficient and Robust Modeling of Nonlinear Mechanical Systems

論文の概要: Efficient and Robust Modeling of Nonlinear Mechanical Systems

arxiv url: http://arxiv.org/abs/2602.06639v1
Date: Fri, 06 Feb 2026 12:02:20 GMT
ステータス: 翻訳完了
システム内更新日: 2026-03-23 08:17:41.233122
Title: Efficient and Robust Modeling of Nonlinear Mechanical Systems
Title（参考訳）: 非線形力学系の効率的ロバストモデリング
Abstract要約: 非線形力学系の力学モデルの新しい定式化法を提案する。提案モデルでは, 測定ノイズに対するロバスト性の観点から, 優れた性能が得られた。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: The development of efficient and robust dynamic models is fundamental in the field of systems and control engineering. In this paper, a new formulation for the dynamic model of nonlinear mechanical systems, that can be applied to different automotive and robotic case studies, is proposed, together with a modeling procedure allowing to automatically obtain the model formulation. Compared with the Euler-Lagrange formulation, the proposed model is shown to give superior performances in terms of robustness against measurement noise for systems exhibiting dependence on some external variables, as well as in terms of execution time when computing the inverse dynamics of the system.
Abstract（参考訳）: 効率的で堅牢な動的モデルの開発は、システムと制御工学の分野において基本的なものである。本稿では, 自動車およびロボットのケーススタディに応用可能な非線形力学系の動的モデルに対する新しい定式化と, モデル定式化を自動的に得るためのモデリング手法を提案する。オイラー・ラグランジュの定式化と比較すると,ある外部変数に依存する系に対する測定ノイズに対する頑健性や,システムの逆ダイナミクスを計算する際の実行時間において優れた性能が得られた。

関連論文リスト

Data-Driven Dynamic Modeling of a Tendon-Actuated Continuum Robot [0.5545791216381869]
本稿では,データ駆動型システム識別手法の比較研究を行い,N4SID,ARX,SINDYcを用いて,腱作動型連続体ロボットのモデリングを行う。関節の数が多すぎるにもかかわらず、実験により、自由度2自由度力学モデルがシステム力学を正確に捉えることができることが明らかになった。モデルは実験データに対して検証され、モデル予測コントローラの設計に使われ、リアルタイム制御の可能性を示す。
論文参考訳（メタデータ） (2026-05-18T17:50:22Z)
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)
Nonlinear Model Order Reduction of Dynamical Systems in Process Engineering: Review and Comparison [50.0791489606211]
我々は、最先端の非線形モデルオーダー削減手法についてレビューする。本稿では,(化学)プロセスシステムのための汎用的手法と適合したアプローチについて論じる。
論文参考訳（メタデータ） (2025-06-15T11:39:12Z)
Hybrid Adaptive Modeling using Neural Networks Trained with Nonlinear Dynamics Based Features [5.652228574188242]
本稿では,非線形動的モデリングから情報を明らかにし,それをデータベースモデルに組み込むことにより,標準手法から逸脱する新しいアプローチを提案する。摂動法による非線形力学現象を明示的に取り入れることにより、予測能力はブルートフォース数値シミュレーションから得られた知識と比較してより現実的で洞察力が高い。
論文参考訳（メタデータ） (2025-01-21T02:38:28Z)
Modeling Latent Non-Linear Dynamical System over Time Series [7.534744211716623]
本研究では,データから直接方程式を導出することにより時系列を与えられる非線形力学系をモデル化する問題について検討する。本稿では、時間依存型モデリングを可能にする潜在状態を導入し、この問題を潜時状態の動的推定問題として定式化する。
論文参考訳（メタデータ） (2024-12-11T05:45:30Z)
Deep Generative Modeling for Identification of Noisy, Non-Stationary Dynamical Systems [3.1484174280822845]
非線形・雑音・非自律力学系に対する擬似常微分方程式(ODE)モデルを求めることに集中する。提案手法は,SINDyとSINDy(非線形力学のスパース同定)を結合し,スパースODEの時間変化係数をモデル化する。
論文参考訳（メタデータ） (2024-10-02T23:00:00Z)
Model-based Policy Optimization using Symbolic World Model [46.42871544295734]
ロボット工学における学習に基づく制御手法の適用は、大きな課題を呈している。 1つは、モデルなし強化学習アルゴリズムがサンプル効率の低い観測データを使用することである。シンボリック回帰によって生成されるシンボリック表現による遷移ダイナミクスの近似を提案する。
論文参考訳（メタデータ） (2024-07-18T13:49:21Z)
Active Learning of Discrete-Time Dynamics for Uncertainty-Aware Model Predictive Control [46.81433026280051]
本稿では,非線形ロボットシステムの力学を積極的にモデル化する自己教師型学習手法を提案する。我々のアプローチは、目に見えない飛行条件に一貫して適応することで、高いレジリエンスと一般化能力を示す。
論文参考訳（メタデータ） (2022-10-23T00:45:05Z)
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)
Constructing Neural Network-Based Models for Simulating Dynamical Systems [59.0861954179401]
データ駆動モデリングは、真のシステムの観測からシステムの力学の近似を学ぼうとする代替パラダイムである。本稿では,ニューラルネットワークを用いた動的システムのモデル構築方法について検討する。基礎的な概要に加えて、関連する文献を概説し、このモデリングパラダイムが克服すべき数値シミュレーションから最も重要な課題を概説する。
論文参考訳（メタデータ） (2021-11-02T10:51:42Z)
Reduced Order Dynamical Models For Complex Dynamics in Manufacturing and Natural Systems Using Machine Learning [0.0]
この研究は、機械学習(ML)アプローチを用いて製造と自然システムの低次モデルを開発する。本手法はダイズ油からダイズ油までのプロセスプラントと湖沼システムで実証された。以上の結果から, プロセスプラントの高精度線形ODEモデルを同定し, 基礎となる線形化学量測定機構と力学を駆動する質量収支を考察した。
論文参考訳（メタデータ） (2021-10-15T18:44:27Z)
Reservoir Computing with Diverse Timescales for Prediction of Multiscale Dynamics [5.172455794487599]
異種リークインテグレータニューロンのリカレントネットワークを用いて,様々な時間スケールの貯水池計算モデルを提案する。高速なカオス力学系を用いた予測タスクにおいて、提案モデルが既存の標準モデルよりも高いポテンシャルを持つことを示す。本分析により, 対象力学の各成分の生成に必要な時間尺度は, モデルトレーニングにより, 貯水池力学から適切な, 柔軟に選択されることが明らかとなった。
論文参考訳（メタデータ） (2021-08-21T06:52:21Z)
Learning Unstable Dynamics with One Minute of Data: A Differentiation-based Gaussian Process Approach [47.045588297201434]
ガウス過程の微分可能性を利用して、真の連続力学の状態依存線形化近似を作成する方法を示す。 9次元セグウェイのような不安定なシステムのシステムダイナミクスを反復的に学習することで、アプローチを検証する。
論文参考訳（メタデータ） (2021-03-08T05:08:47Z)

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。