論文の概要: Morphing of and writing with a scissor linkage mechanism

• arxiv url: http://arxiv.org/abs/2602.14958v1
• Date: Mon, 16 Feb 2026 17:37:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:41.491582
• Title: Morphing of and writing with a scissor linkage mechanism
• Title（参考訳）: はさみリンク機構による形態形成と書記
• Authors: Mohanraj A, S Ganga Prasath,
• Abstract要約: ピンジョイントで連結された2つの剛性線形部材からなるシザーユニットの組立について検討する。 アセンブリは単一の自由度を持ち、単一のユニットをアクティベートするとアセンブリ全体の形状が変化する。 幾何学的変数の関数として,単位の有効曲率と機構先端の軌跡の表現を導出する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Kinematics of mechanisms is intricately coupled to their geometry and their utility often arises out of the ability to perform reproducible motion with fewer actuating degrees of freedom. In this article, we explore the assembly of scissor-units, each made of two rigid linear members connected by a pin joint. The assembly has a single degree of freedom, where actuating any single unit results in a shape change of the entire assembly. We derive expressions for the effective curvature of the unit and the trajectory of the mechanism's tip as a function of the geometric variables which we then use as the basis to program two tasks in the mechanism: shape morphing and writing. By phrasing these tasks as optimization problems and utilizing the differentiable simulation framework, we arrive at solutions that are then tested in table-top experiments. Our results show that the geometry of scissor assemblies can be leveraged for automated navigation and inspection in complex domains, in light of the optimization framework. However, we highlight that the challenges associated with rapid programming and error-free implementation in experiments without feedback still remain.
• Abstract（参考訳）: 機構のキネマティクスは、その幾何学と複雑に結合しており、その効用は、自由度を小さくして再現可能な運動を行う能力から生じることが多い。 本稿では,ピンジョイントで連結された2つの剛性線形部材からなるハザーユニットの組立について検討する。 アセンブリは単一の自由度を持ち、単一のユニットをアクティベートするとアセンブリ全体の形状が変化する。 我々は, 単位の有効曲率と機構先端の軌跡を幾何学変数の関数として導出し, 形状変形と書込みの2つのタスクをプログラムする基礎として利用する。 これらのタスクを最適化問題として表現し、微分可能なシミュレーションフレームワークを利用することで、テーブルトップ実験でテストされるソリューションにたどり着きます。 本研究は, 複雑な領域における自動ナビゲーションと検査に, 最適化フレームワークを考慮し, シンセサアセンブリの形状を活用できることを示唆するものである。 しかし、フィードバックのない実験では、迅速なプログラミングやエラーのない実装にまつわる課題が依然として残っている点を強調した。

関連論文リスト

• From Folding Mechanics to Robotic Function: A Unified Modeling Framework for Compliant Origami [13.163657221687599]
  離散微分幾何学(DDG)に基づく幾何一貫性モデリングフレームワークを提案する。 この枠組みは、単一の変分定式化の中でパネルの弾塑性とクリース回転を統一する。 この統一された記述は、剛体および適合した状態にわたる安定性と変形のプログラム可能な制御を可能にする。
  論文  参考訳（メタデータ） (2026-03-16T07:03:39Z)
• A Unified Low-Dimensional Design Embedding for Joint Optimization of Shape, Material, and Actuation in Soft Robots [4.829343342713712]
  形状変形,多材料分布,アクチュエータを統一したソフトロボットのためのスムーズで低次元な設計埋め込みを提案する。 実験では、ニューラルネットワークの符号化と異なり、基礎関数の数に応じて設計が増加することを示す。 さらに, 一体型埋め込みによる形状, 材料, アクティベーションの協調最適化は, 逐次戦略を一貫して上回ることを示す。
  論文  参考訳（メタデータ） (2026-03-06T17:33:32Z)
• Adaptive Inverse Kinematics Framework for Learning Variable-Length Tool Manipulation in Robotics [0.0]
  従来のロボットはキネマティクスの知識が限られており、事前にプログラムされたタスクに限られている。 本稿では,ロボットの逆運動学解法の性能向上のための先駆的なフレームワークを提案する。 我々のモデルは、異なる長さの2つの異なるツールを使用する場合、ほぼ区別不可能な性能を達成する。
  論文  参考訳（メタデータ） (2025-10-30T14:44:24Z)
• 1 Modular Parallel Manipulator for Long-Term Soft Robotic Data Collection [16.103025868841268]
  本稿では,大規模データ収集に適した並列ロボット操作プラットフォームを提案する。 プラットフォームモジュールは、カスタマイズ可能なフィンガーを作動させるオフ・ザ・シェルフ電気モーターのペアで構成されている。 ベンチマーク2D操作タスクにおいて,ハードウェア上でのポリシー勾配強化学習に使用するプラットフォームの能力を検証する。
  論文  参考訳（メタデータ） (2024-09-05T15:18:44Z)
• Shape Arithmetic Expressions: Advancing Scientific Discovery Beyond Closed-Form Equations [56.78271181959529]
  GAM(Generalized Additive Models)は、変数とターゲットの間の非線形関係をキャプチャできるが、複雑な特徴相互作用をキャプチャすることはできない。 本稿では,GAMのフレキシブルな形状関数と,数学的表現に見られる複雑な特徴相互作用を融合させる形状表現算術(SHARE)を提案する。 また、標準制約を超えた表現の透明性を保証するSHAREを構築するための一連のルールを設計する。
  論文  参考訳（メタデータ） (2024-04-15T13:44:01Z)
• A Multi-body Tracking Framework -- From Rigid Objects to Kinematic Structures [23.933556023366695]
  モデルに基づくほとんどの3D追跡手法は、剛体物体のみを考慮している。 本稿では,既存の6DoFアルゴリズムをキネマティックな構造に拡張するフレキシブルなフレームワークを提案する。 提案手法をベースとして,最先端の剛性物体追跡アルゴリズムであるICGを多体追跡に拡張する。
  論文  参考訳（メタデータ） (2022-08-02T14:49:34Z)
• Differentiable Simulation of Soft Multi-body Systems [99.4302215142673]
  我々は、Projective Dynamics内でトップダウン行列アセンブリアルゴリズムを開発する。 筋肉,関節トルク,空気圧管によって駆動される軟口蓋体に対して,異なる制御機構を導出する。
  論文  参考訳（メタデータ） (2022-05-03T20:03:22Z)
• DiffSkill: Skill Abstraction from Differentiable Physics for Deformable Object Manipulations with Tools [96.38972082580294]
  DiffSkillは、変形可能なオブジェクト操作タスクを解決するために、スキル抽象化に微分可能な物理シミュレータを使用する新しいフレームワークである。 特に、勾配に基づくシミュレーターから個々のツールを用いて、まず短距離のスキルを得る。 次に、RGBD画像を入力として取り込む実演軌跡から、ニューラルネットワークの抽象体を学習する。
  論文  参考訳（メタデータ） (2022-03-31T17:59:38Z)
• Efficient Differentiable Simulation of Articulated Bodies [89.64118042429287]
  本稿では, 音素の効率的な微分可能シミュレーション法を提案する。 これにより、ボディダイナミクスを深層学習フレームワークに統合することが可能になる。 提案手法を用いて, 調音システムによる強化学習を高速化できることを示す。
  論文  参考訳（メタデータ） (2021-09-16T04:48:13Z)
• PlasticineLab: A Soft-Body Manipulation Benchmark with Differentiable Physics [89.81550748680245]
  PasticineLabと呼ばれる新しい微分可能な物理ベンチマークを導入する。 各タスクにおいて、エージェントはマニピュレータを使用して、プラスチックを所望の構成に変形させる。 本稿では,既存の強化学習(RL)手法と勾配に基づく手法について評価する。
  論文  参考訳（メタデータ） (2021-04-07T17:59:23Z)
• Scalable Differentiable Physics for Learning and Control [99.4302215142673]
  微分物理学は、物理的対象や環境を含む問題を学習し、制御するための強力なアプローチである。 我々は、多数のオブジェクトとその相互作用をサポートすることができる微分可能物理学のためのスケーラブルなフレームワークを開発する。
  論文  参考訳（メタデータ） (2020-07-04T19:07:51Z)

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。