論文の概要: Performance and Experimental Analysis of Strain-based Models for Continuum Robots
- arxiv url: http://arxiv.org/abs/2602.22854v1
- Date: Thu, 26 Feb 2026 10:46:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-23 08:17:41.732841
- Title: Performance and Experimental Analysis of Strain-based Models for Continuum Robots
- Title（参考訳）: 連続ロボットのひずみモデルの性能と実験解析
- Authors: Annika Delucchi, Vincenzo Di Paola, Andreas Müller, and Matteo Zoppi,
- Abstract要約: 本研究は, 三次元ひずみ連続体の形状再構成能力について検討し, 個々の変形効果と複合変形効果の両方を捉える能力について検討した。
結果は、カメラを用いて結果の構成を記録しながら、細い棒を変形させることによって実験的に検証される。
実験では、モデル予測と観測された形状の間に良い一致を示し、平均誤差はロッド長の0.58%、平均計算時間は1構成あたり0.32秒であり、既存のモデルを上回っている。
- 参考スコア（独自算出の注目度）: 0.6199894247617497
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Although strain-based models have been widely adopted in robotics, no comparison beyond the uniform bending test is commonly recognized to assess their performance. In addition, the increasing effort in prototyping continuum robots highlights the need to assess the applicability of these models and the necessity of comprehensive performance evaluation. To address this gap, this work investigates the shape reconstruction abilities of a third-order strain interpolation method, examining its ability to capture both individual and combined deformation effects. These results are compared and discussed against the Geometric-Variable Strain approach. Subsequently, simulation results are experimentally verified by reshaping a slender rod while recording the resulting configurations using cameras. The rod configuration is imposed using a manipulator displacing one of its tips and extracted through reflective markers, without the aid of any other external sensor -- i.e. strain gauges or wrench sensors placed along the rod. The experiments demonstrate good agreement between the model predictions and observed shapes, with average error of 0.58% of the rod length and average computational time of 0.32s per configuration, outperforming existing models.
- Abstract（参考訳）: ひずみモデルはロボット工学において広く採用されているが、均一曲げ試験以外の比較は一般的には評価されていない。
さらに,連続体ロボットのプロトタイプ化への取り組みは,これらのモデルの適用性や総合的な性能評価の必要性を浮き彫りにしている。
このギャップに対処するため, 三次元ひずみ補間法の形状再構成能力について検討し, 個々の変形効果と複合変形効果の両方を捉える能力について検討した。
これらの結果は、幾何学的・可変ひずみアプローチに対して比較され、議論される。
その後、カメラを用いて結果の構成を記録しながら、スレンダーロッドを変形させ、シミュレーション結果を実験的に検証する。
棒配置は、先端の1つを分解して反射マーカーを通して抽出するマニピュレータを用いて、他の外部センサー(例えば、棒に沿って配置されたひずみゲージやレンチセンサー)の助けなしに課される。
実験では, モデル予測と観測形状の一致が良好であり, 平均誤差はロッド長0.58%, 計算時間は0.32秒であり, 既存モデルよりも優れていた。
関連論文リスト
- Benchmarking and Improving Bird's Eye View Perception Robustness in Autonomous Driving [55.93813178692077]
本稿では,BEVアルゴリズムのレジリエンスを評価するためのベンチマークスイートであるRoboBEVを紹介する。
検出,マップセグメンテーション,深さ推定,占有予測といったタスクにまたがる33の最先端のBEVベースの知覚モデルを評価する。
また, 事前学習や深度自由なBEVトランスフォーメーションなどの戦略が, アウト・オブ・ディストリビューションデータに対するロバスト性を高める上で有効であることを示す。
論文 参考訳（メタデータ） (2024-05-27T17:59:39Z) - Comprehensive Multimodal Deep Learning Survival Prediction Enabled by a Transformer Architecture: A Multicenter Study in Glioblastoma [4.578027879885667]
本研究は,変圧器を用いた深層学習モデルにMR画像,臨床および分子病理学的データを統合することにより,グリオーマの生存率予測を改善することを目的とする。
このモデルは、自己教師付き学習技術を用いて、高次元MRI入力を効果的に符号化し、クロスアテンションを用いた非画像データと統合する。
論文 参考訳（メタデータ） (2024-05-21T17:44:48Z) - Towards Robust and Expressive Whole-body Human Pose and Shape Estimation [51.457517178632756]
全体のポーズと形状の推定は、単眼画像から人体全体の異なる振る舞いを共同で予測することを目的としている。
既存の手法では、既存のシナリオの複雑さの下で、しばしば劣化したパフォーマンスを示す。
全身のポーズと形状推定の堅牢性を高める新しい枠組みを提案する。
論文 参考訳（メタデータ） (2023-12-14T08:17:42Z) - Inferring effective couplings with Restricted Boltzmann Machines [3.150368120416908]
生成モデルは、ニューラルネットワークの形でエネルギー関数に関連するボルツマン重みのレベルで観測された相関を符号化しようとする。
制限ボルツマンマシンと有効イジングスピンハミルトニアンとの直接写像を実装した解を提案する。
論文 参考訳（メタデータ） (2023-09-05T14:55:09Z) - Evaluating object detector ensembles for improving the robustness of
artifact detection in endoscopic video streams [0.9236074230806579]
アンサンブル深層学習法を用いて2つの単段検出器の予測を合成する。
このアンサンブル戦略により、個々のモデルの堅牢性は、リアルタイムの能力を損なうことなく向上できるようになりました。
論文 参考訳（メタデータ） (2022-06-15T15:06:07Z) - End-to-End Learning of Hybrid Inverse Dynamics Models for Precise and
Compliant Impedance Control [16.88250694156719]
剛体力学モデルの物理的に一貫した慣性パラメータを同定できる新しいハイブリッドモデルの定式化を提案する。
7自由度マニピュレータ上での最先端の逆動力学モデルに対する我々のアプローチを比較した。
論文 参考訳（メタデータ） (2022-05-27T07:39:28Z) - Mixed Effects Neural ODE: A Variational Approximation for Analyzing the
Dynamics of Panel Data [50.23363975709122]
パネルデータ解析に(固定・ランダムな)混合効果を取り入れたME-NODEという確率モデルを提案する。
我々は、Wong-Zakai定理によって提供されるSDEの滑らかな近似を用いて、我々のモデルを導出できることを示す。
次に、ME-NODEのためのエビデンスに基づく下界を導出し、(効率的な)トレーニングアルゴリズムを開発する。
論文 参考訳（メタデータ） (2022-02-18T22:41:51Z) - Modeling Score Distributions and Continuous Covariates: A Bayesian
Approach [8.772459063453285]
連続共変量に対するマッチングと非マッチスコア分布の生成モデルを構築した。
混合モデルを用いて任意の分布と局所基底関数をキャプチャする。
提案手法の精度と有効性を示す3つの実験を行った。
論文 参考訳（メタデータ） (2020-09-21T02:41:20Z) - From Sound Representation to Model Robustness [82.21746840893658]
本研究では, 環境音の標準的な表現(スペクトログラム)が, 被害者の残差畳み込みニューラルネットワークの認識性能と対角攻撃性に与える影響について検討する。
3つの環境音響データセットの様々な実験から、ResNet-18モデルは、他のディープラーニングアーキテクチャよりも優れていることがわかった。
論文 参考訳（メタデータ） (2020-07-27T17:30:49Z) - Machine learning for causal inference: on the use of cross-fit
estimators [77.34726150561087]
より優れた統計特性を得るために、二重ローバストなクロスフィット推定器が提案されている。
平均因果効果(ACE)に対する複数の推定器の性能評価のためのシミュレーション研究を行った。
機械学習で使用する場合、二重確率のクロスフィット推定器は、バイアス、分散、信頼区間のカバレッジで他のすべての推定器よりも大幅に優れていた。
論文 参考訳（メタデータ） (2020-04-21T23:09:55Z)
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。