論文の概要: Autonomous Manipulation of Hazardous Chemicals and Delicate Objects in a Self-Driving Laboratory: A Sliding Mode Approach
- arxiv url: http://arxiv.org/abs/2602.06977v1
- Date: Sun, 18 Jan 2026 21:05:47 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-30 05:12:08.336045
- Title: Autonomous Manipulation of Hazardous Chemicals and Delicate Objects in a Self-Driving Laboratory: A Sliding Mode Approach
- Title（参考訳）: 自走実験室における有害化学物質と複合物の自動操作:スライディングモードアプローチ
- Authors: Shifa Sulaiman, Francesco Schetter, Tobias Jensen, Simon Bøgh, Fanny Ficuciello,
- Abstract要約: スライディングモード制御(SMC)は、マニピュレータ力学における不確実性や乱れを管理するための堅牢なアプローチとして登場した。
本研究では,モビリティプラットフォームに搭載されたマニピュレータの動作を制御するために,双曲型タンジェント関数を用いたモデルベースSMC(MBSMC)を実装した。
PID, NMBSMCと比較すると, MBSMCはよりスムーズな運動, 最大90%の制御作業が達成された。
- 参考スコア（独自算出の注目度）: 3.7215125870216013
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Precise handling of chemical instruments and materials within a self-driving laboratory environment using robotic systems demands advanced and reliable control strategies. Sliding Mode Control (SMC) has emerged as a robust approach for managing uncertainties and disturbances in manipulator dynamics, providing superior control performance compared to traditional methods. This study implements a model-based SMC (MBSMC) utilizing a hyperbolic tangent function to regulate the motion of a manipulator mounted on a mobile platform operating inside a self-driving chemical laboratory. Given the manipulator's role in transporting fragile glass vessels filled with hazardous chemicals, the controller is specifically designed to minimize abrupt transitions and achieve gentle, accurate trajectory tracking. The proposed controller is benchmarked against a non-model-based SMC (NMBSMC) and a Proportional-Integral-Derivative (PID) controller using a comprehensive set of joint and Cartesian metrics. Compared to PID and NMBSMC, MBSMC achieved significantly smoother motion and up to 90% lower control effort, validating its robustness and precision for autonomous laboratory operations. Experimental trials confirmed successful execution of tasks such as vessel grasping and window operation, which failed under PID control due to its limited ability to handle nonlinear dynamics and external disturbances, resulting in substantial trajectory tracking errors. The results validate the controller's effectiveness in achieving smooth, precise, and safe manipulator motions, supporting the advancement of intelligent mobile manipulators in autonomous laboratory environments.
- Abstract（参考訳）: ロボットシステムを用いた自動運転実験室内環境における化学機器や材料の精密処理には,高度かつ信頼性の高い制御戦略が必要である。
スライディングモード制御(SMC)は、マニピュレータ力学における不確実性や乱れを管理するための堅牢なアプローチとして登場し、従来の手法よりも優れた制御性能を提供している。
本研究では, 自走式化学実験室内で動作する移動プラットフォーム上でのマニピュレータの動作を制御するために, 双曲型タンジェント関数を用いたモデルベースSMC(MBSMC)を実装した。
危険な化学物質で満たされた脆弱なガラス容器を輸送するマニピュレータの役割を考えると、コントローラーは急激な遷移を最小限に抑え、穏やかで正確な軌道追跡を実現するように設計されている。
提案したコントローラは,非モデルベースSMC (NMBSMC) とPID (Proportional-Integral-Derivative) コントローラに対して,総合的な関節およびカルテシアンメトリクスを用いたベンチマークを行う。
PIDとNMBSMCと比較すると、MBSMCはよりスムーズな動作と最大90%の制御を達成し、自律的な実験室操作の堅牢性と精度を検証した。
実験により、容器の握りや窓の操作などのタスクが正常に実行されることを確認したが、これはPID制御下では非線形力学や外乱の処理能力に制限があったため失敗し、かなりの軌道追跡誤差が生じた。
その結果、自律的な実験室環境における知的移動マニピュレータの進歩を支援するため、スムーズで正確で安全なマニピュレータ運動を実現するためのコントローラの有効性が検証された。
関連論文リスト
- A Sliding Mode Controller Based on Timoshenko Beam Theory Developed for a Tendon-Driven Robotic Wrist [3.5026278670865874]
本稿では, 高精度動作制御のための効率的なスライディングモード制御器(SMC)とともに, 腱駆動型ロボット手首関節の設計と実装について述べる。
手首機構は、ティモシェンコをベースとした手法を用いて、キネマティックおよび動的特性を正確に捉える。
コントローラの有効性は、同様の手首機構のための既存のコントローラとの比較分析によって検証される。
論文 参考訳（メタデータ） (2026-01-11T17:48:43Z) - Warm-Starting Collision-Free Model Predictive Control With Object-Centric Diffusion [38.363402738466334]
拡散型ウォームスタート条件と潜時オブジェクト中心のシーン表現を組み合わせることで、厳密な時間制限下での信頼性と効率的な動き生成が得られることを示す。
提案手法では,オブジェクト中心のスロットアテンション機構を用いて,システム状態,タスク,周囲に拡散トランスフォーマを設定できる。
サンプル軌道は、剛体力学と符号-距離衝突制約を強制する最適制御問題によって洗練される。
論文 参考訳（メタデータ） (2026-01-06T10:02:54Z) - CHIP: Adaptive Compliance for Humanoid Control through Hindsight Perturbation [70.5382178207975]
hIsight Perturbation (CHIP)は、制御可能なエンドエフェクタ剛性を実現するプラグイン・アンド・プレイモジュールである。
CHIPの実装は簡単で、データ拡張も追加の報酬チューニングも必要ありません。
そこで本研究では,CHIPでトレーニングした汎用モーショントラッキングコントローラが,多種多様な操作タスクを実行できることを示す。
論文 参考訳（メタデータ） (2025-12-16T18:56:04Z) - Beyond Prompt Engineering: Robust Behavior Control in LLMs via Steering Target Atoms [71.85633762642125]
モデルにおける膨大な数のパラメータは、しばしば高度に絡み合った内部表現をもたらす。
最近の研究は、スパースオートエンコーダ(SAE)を用いて、ステアリングのための高次元空間における知識を歪めている。
本研究では,非絡み合った知識コンポーネントを分離・操作し,安全性を高める手法であるステアリングターゲット原子(STA)を提案する。
論文 参考訳（メタデータ） (2025-05-23T17:59:18Z) - Custom Non-Linear Model Predictive Control for Obstacle Avoidance in Indoor and Outdoor Environments [0.0]
本稿では,DJI行列100のための非線形モデル予測制御(NMPC)フレームワークを提案する。
このフレームワークは様々なトラジェクトリタイプをサポートし、厳密な操作の精度を制御するためにペナルティベースのコスト関数を採用している。
論文 参考訳（メタデータ） (2024-10-03T17:50:19Z) - Integrating DeepRL with Robust Low-Level Control in Robotic Manipulators for Non-Repetitive Reaching Tasks [0.24578723416255746]
ロボット工学では、現代の戦略は学習に基づくもので、複雑なブラックボックスの性質と解釈可能性の欠如が特徴である。
本稿では, 深部強化学習(DRL)に基づく衝突のない軌道プランナと, 自動調整型低レベル制御戦略を統合することを提案する。
論文 参考訳（メタデータ） (2024-02-04T15:54:03Z) - Tuning Legged Locomotion Controllers via Safe Bayesian Optimization [47.87675010450171]
本稿では,ロボットハードウェアプラットフォームにおけるモデルベースコントローラの展開を効率化するための,データ駆動型戦略を提案する。
モデルフリーな安全な学習アルゴリズムを用いて制御ゲインのチューニングを自動化し、制御定式化で使用される単純化されたモデルと実システムとのミスマッチに対処する。
論文 参考訳（メタデータ） (2023-06-12T13:10:14Z) - Nonprehensile Riemannian Motion Predictive Control [57.295751294224765]
本稿では,リアル・ツー・シムの報酬分析手法を導入し,リアルなロボット・プラットフォームに対する行動の可能性を確実に予測する。
連続的なアクション空間でオブジェクトを反応的にプッシュするクローズドループコントローラを作成します。
我々は,RMPCが乱雑な環境だけでなく,乱雑な環境においても頑健であり,ベースラインよりも優れていることを観察した。
論文 参考訳（メタデータ） (2021-11-15T18:50:04Z) - OSCAR: Data-Driven Operational Space Control for Adaptive and Robust
Robot Manipulation [50.59541802645156]
オペレーショナル・スペース・コントロール(OSC)は、操作のための効果的なタスクスペース・コントローラとして使われてきた。
本稿では,データ駆動型OSCのモデル誤差を補償するOSC for Adaptation and Robustness (OSCAR)を提案する。
本手法は,様々なシミュレーション操作問題に対して評価し,制御器のベースラインの配列よりも大幅に改善されていることを示す。
論文 参考訳（メタデータ） (2021-10-02T01:21:38Z) - Towards Safe Control of Continuum Manipulator Using Shielded Multiagent
Reinforcement Learning [1.2647816797166165]
ロボットの制御は、MADQNフレームワークにおける1つのエージェント問題である1-DoFとして定式化され、学習効率が向上する。
シールドされたMADQNにより、ロボットは外部負荷下で、サブミリ単位のルート平均二乗誤差で点と軌道追跡を行うことができた。
論文 参考訳（メタデータ） (2021-06-15T05:55:05Z)
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。