論文の概要: An Interpretable Data-Driven Model of the Flight Dynamics of Hawks

• arxiv url: http://arxiv.org/abs/2602.19196v1
• Date: Sun, 22 Feb 2026 13:58:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-24 17:42:02.52585
• Title: An Interpretable Data-Driven Model of the Flight Dynamics of Hawks
• Title（参考訳）: ホークスの飛行ダイナミクスの解釈可能なデータ駆動モデル
• Authors: Lydia France, Karl Lapo, J. Nathan Kutz,
• Abstract要約: タカのモーションキャプチャ記録にデータ駆動型動的モード分解法を用いる。 フラッピング,ターン,ランディング,グライディングなどの複数の動作状態は,単純かつ解釈可能なモーダル構造によってモデル化可能であることを示す。
• 参考スコア（独自算出の注目度）: 2.2029818765681077
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Despite significant analysis of bird flight, generative physics models for flight dynamics do not currently exist. Yet the underlying mechanisms responsible for various flight manoeuvres are important for understanding how agile flight can be accomplished. Even in a simple flight, multiple objectives are at play, complicating analysis of the overall flight mechanism. Using the data-driven method of dynamic mode decomposition (DMD) on motion capture recordings of hawks, we show that multiple behavioral states such as flapping, turning, landing, and gliding, can be modeled by simple and interpretable modal structures (i.e. the underlying wing-tail shape) which can be linearly combined to reproduce the experimental flight observations. Moreover, the DMD model can be used to extrapolate naturalistic flapping. Flight is highly individual, with differences in style across the hawks, but we find they share a common set of dynamic modes. The DMD model is a direct fit to data, unlike traditional models constructed from physics principles which can rarely be tested on real data and whose assumptions are typically invalid in real flight. The DMD approach gives a highly accurate reconstruction of the flight dynamics with only three parameters needed to characterize flapping, and a fourth to integrate turning manoeuvres. The DMD analysis further shows that the underlying mechanism of flight, much like simplest walking models, displays a parametric coupling between dominant modes suggesting efficiency for locomotion.
• Abstract（参考訳）: 鳥の飛行に関する重要な分析にもかかわらず、飛行力学のための生成物理学モデルは現存していない。 しかし、様々な飛行操作に責任を負うメカニズムは、アジャイル飛行をどのように達成できるかを理解する上で重要である。 単純な飛行であっても、複数の目的が果たされ、全体の飛行機構の分析が複雑になる。 ホークのモーションキャプチャ記録における動的モード分解(DMD)のデータ駆動手法を用いて, フラッピング, 回転, 着陸, グライディングなどの複数の動作状態が, 線形に結合して実験飛行観測を再現できる, 単純かつ解釈可能なモーダル構造(主翼尾形状)によってモデル化可能であることを示す。 さらに、DMDモデルは自然主義的な羽ばたきを外挿するのに使うことができる。 飛行は高度に個人化されており、ホークのスタイルによって異なるが、ダイナミックモードの共通セットが共有されている。 DMDモデルは、物理原理から構築された従来のモデルとは異なり、実際のデータでテストすることは稀であり、実際の飛行では仮定が無効である。 DMDアプローチは、羽ばたきを特徴付けるのに必要なパラメータが3つしかなく、旋回操作を統合するための第4のパラメータで、飛行力学を高精度に再現する。 DMD分析は、最も単純な歩行モデルと同様に、飛行の基盤となるメカニズムが、移動の効率を示唆する支配的なモード間のパラメトリック結合を示すことを示している。

関連論文リスト

• MAD: Motion Appearance Decoupling for efficient Driving World Models [94.40548866741791]
  本稿では,一般的な映像モデルを制御可能な運転世界モデルに変換する,効率的な適応フレームワークを提案する。 鍵となるアイデアは、外見合成からモーションラーニングを分離することである。 私たちのMAD-LTXモデルであるLTXへのスケーリングは、すべてのオープンソース競合より優れています。
  論文  参考訳（メタデータ） (2026-01-14T12:52:23Z)
• A Neural ODE Approach to Aircraft Flight Dynamics Modelling [3.436872726361289]
  本稿では、クイックアクセスレコーダ(QAR)データに基づいて訓練されたニューラル正規微分方程式に基づくFlight Dynamics ModelであるNODE-FDMを紹介する。 解析的キネマティックな関係をデータ駆動コンポーネントと組み合わせることで、NODE-FDMは記録された軌道のより正確な再現を実現する。
  論文  参考訳（メタデータ） (2025-09-27T13:44:17Z)
• MAIFormer: Multi-Agent Inverted Transformer for Flight Trajectory Prediction [0.0]
  Multi-Agent Inverted Transformer MAIFormerは、マルチエージェントの飛行軌跡を予測する新しいニューラルネットワークである。 我々は,MAIFormerを実世界における自動監視ブロードキャストフライトトラジェクトリデータセットを用いて評価する。
  論文  参考訳（メタデータ） (2025-09-25T10:59:29Z)
• Data-Driven Discovery and Formulation Refines the Quasi-Steady Model of Flapping-Wing Aerodynamics [4.146941837017164]
  昆虫は羽ばたき翼の非定常空気力学力を制御し、複雑な環境を航行する。 我々は、これまで見過ごされていた重要なメカニズムの発見と定式化を含む、データ駆動型アプローチを開発する。 データ駆動の準定常モデルにより、高速な空気力学解析が可能となり、昆虫飛行における進化的適応を理解し、バイオインスパイアされた飛行ロボットを開発するための実用的なツールとなる。
  論文  参考訳（メタデータ） (2025-08-26T06:09:32Z)
• A Physics-guided Multimodal Transformer Path to Weather and Climate Sciences [59.05404971880922]
  気象学における多くの問題は、AIモデルを使って解決できる。 データ駆動アルゴリズムは従来の手法に比べて精度が大幅に向上した。 本稿では,異なる視点からの観測データをマルチモーダルデータとして扱い,変換器を介して統合する新たなパラダイムを提案する。
  論文  参考訳（メタデータ） (2025-04-19T04:31:35Z)
• Diff-Instruct: A Universal Approach for Transferring Knowledge From Pre-trained Diffusion Models [77.83923746319498]
  本稿では,任意の生成モデルの学習を指導するDiff-Instructというフレームワークを提案する。 Diff-Instructは、最先端の単一ステップ拡散モデルであることを示す。 GANモデルの精製実験により、Diff-InstructはGANモデルの事前訓練されたジェネレータを一貫して改善できることが示されている。
  論文  参考訳（メタデータ） (2023-05-29T04:22:57Z)
• Machine learning enhanced real-time aerodynamic forces prediction based on sparse pressure sensor inputs [7.112725255953468]
  本稿では,少数の圧力センサを用いたデータ駆動型空気力予測モデルを提案する。 本モデルでは,2次元NACA0015翼の動的ストールデータと3次元ドローンの動的ストールデータの数値シミュレーションデータを用いて実験を行った。
  論文  参考訳（メタデータ） (2023-05-16T06:15:13Z)
• Inferring Traffic Models in Terminal Airspace from Flight Tracks and Procedures [39.89295870460643]
  本稿では,レーダ監視データから収集したプロシージャデータとフライトトラックから可変性を学習可能な簡易確率モデルを提案する。 我々は、ガウス混合モデルから一連の偏差をサンプリングし、航空機の軌道を再構築することで合成軌道を生成する。 本研究は、ジョン・F・ケネディ国際空港の着地軌道と着地手順に関するモデルについて紹介する。
  論文  参考訳（メタデータ） (2023-03-17T13:58:06Z)
• 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)

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。