論文の概要: Simple Models, Real Swimming: Digital Twins for Tendon-Driven Underwater Robots
- arxiv url: http://arxiv.org/abs/2602.23283v1
- Date: Thu, 26 Feb 2026 17:55:22 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-23 08:17:41.746603
- Title: Simple Models, Real Swimming: Digital Twins for Tendon-Driven Underwater Robots
- Title（参考訳）: シンプルなモデルとリアルスイミング:腱駆動型水中ロボットのためのデジタルツイン
- Authors: Mike Y. Michelis, Nana Obayashi, Josie Hughes, Robert K. Katzschmann,
- Abstract要約: 本研究では,効率的な水中潜水環境をモデル化した腱駆動型魚型ロボットを提案する。
以上の結果から, シンプルでステートレスなモデルであっても, 柔らかい水中ロボットの効果的なデジタル双生児として機能することが示唆された。
- 参考スコア（独自算出の注目度）: 8.744009526780692
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Mimicking the graceful motion of swimming animals remains a core challenge in soft robotics due to the complexity of fluid-structure interaction and the difficulty of controlling soft, biomimetic bodies. Existing modeling approaches are often computationally expensive and impractical for complex control or reinforcement learning needed for realistic motions to emerge in robotic systems. In this work, we present a tendon-driven fish robot modeled in an efficient underwater swimmer environment using a simplified, stateless hydrodynamics formulation implemented in the widespread robotics framework MuJoCo. With just two real-world swimming trajectories, we identify five fluid parameters that allow a matching to experimental behavior and generalize across a range of actuation frequencies. We show that this stateless fluid model can generalize to unseen actuation and outperform classical analytical models such as the elongated body theory. This simulation environment runs faster than real-time and can easily enable downstream learning algorithms such as reinforcement learning for target tracking, reaching a 93% success rate. Due to the simplicity and ease of use of the model and our open-source simulation environment, our results show that even simple, stateless models -- when carefully matched to physical data -- can serve as effective digital twins for soft underwater robots, opening up new directions for scalable learning and control in aquatic environments.
- Abstract（参考訳）: 水泳動物の優雅な動きを模倣することは、流体構造相互作用の複雑さと軟体生物模倣体の制御の難しさにより、ソフトロボティクスにおける中核的な課題である。
既存のモデリングアプローチは、ロボットシステムに現われる現実的な動きに必要な複雑な制御や強化学習のために計算的に高価で実用的ではないことが多い。
本研究では,広汎なロボットフレームワーク MuJoCo に実装された簡易でステートレスな流体力学の定式化を用いて,効率的な水中潜水環境をモデル化した腱駆動型魚型ロボットを提案する。
実世界の水泳軌跡を2つしか持たずに、5つの流体パラメータを同定し、そのパラメータは実験的な振る舞いと一致し、運動周波数の範囲にわたって一般化する。
このステートレス流体モデルでは, 物体の運動が見えないように一般化し, 伸長体理論のような古典的解析モデルより優れていることを示す。
このシミュレーション環境はリアルタイムよりも高速に動作し、目標追跡のための強化学習などの下流学習アルゴリズムを容易に実現し、93%の成功率に達する。
モデルとオープンソースのシミュレーション環境のシンプルさと使いやすさから、私たちの結果は、シンプルでステートレスなモデル — 物理的データに慎重にマッチする — でさえ、柔らかい水中ロボットのための効果的なデジタル双極体として機能し、水生環境におけるスケーラブルな学習と制御のための新たな方向を開くことができることを示しています。
関連論文リスト
- Unified Structural-Hydrodynamic Modeling of Underwater Underactuated Mechanisms and Soft Robots [11.247998904088007]
水中マルチボディシステムの統一構造-流体力学モデリングのための軌道駆動型グローバル最適化フレームワークを提案する。
Covariance Matrix Adaptation Evolution Strategy (CMA-ES) に触発された提案手法は, 結合した内部弾性, 減衰, 分散流体力学パラメータを同時に同定する。
これにより、水中環境における不動機構と適合するソフトロボットシステムの双方を高忠実に再現することができる。
論文 参考訳（メタデータ） (2026-03-09T04:06:43Z) - D-REX: Differentiable Real-to-Sim-to-Real Engine for Learning Dexterous Grasping [66.22412592525369]
本稿では,ガウスのSplat表現を生かした実--sim-to-realエンジンを導入し,実-sim-to-realエンジンについて述べる。
提案エンジンは, 各種物体の形状と質量値のマス識別において, 高精度かつロバストな性能を実現していることを示す。
これらの最適化された質量値は、力覚的なポリシー学習を促進し、オブジェクトの把握において優れた、高いパフォーマンスを達成する。
論文 参考訳（メタデータ） (2026-03-01T15:32:04Z) - Hybrid Neural-MPM for Interactive Fluid Simulations in Real-Time [57.30651532625017]
本稿では,数値シミュレーション,神経物理,生成制御を統合した新しいハイブリッド手法を提案する。
本システムでは, 多様な2D/3Dシナリオ, 材料タイプ, 障害物相互作用における堅牢な性能を示す。
受け入れ次第、モデルとデータの両方をリリースすることを約束します。
論文 参考訳（メタデータ） (2025-05-25T01:27:18Z) - AI-Enhanced Automatic Design of Efficient Underwater Gliders [60.45821679800442]
自動設計フレームワークの構築は、グライダー形状を表現する複雑さと、複雑な固体-流体相互作用をモデル化する際の計算コストが高いため、困難である。
非自明な船体形状の水中ロボットを作れるようにすることで、これらの制限を克服するAI強化型自動計算フレームワークを導入する。
提案手法は, 形状と制御信号の両面を協調的に最適化するアルゴリズムで, 低次幾何表現と微分可能なニューラルネット型流体代理モデルを用いる。
論文 参考訳（メタデータ） (2025-04-30T23:55:44Z) - Learning Adaptive Hydrodynamic Models Using Neural ODEs in Complex Conditions [9.392180262607921]
強化学習に基づく四足歩行ロボットは、様々な地形を横断するが、水中で泳ぐ能力は乏しい。
本稿では,水陸両用四足歩行ロボットのためのデータ駆動型流体力学モデルの開発と評価について述べる。
論文 参考訳（メタデータ） (2024-10-01T08:18:36Z) - DiffuseBot: Breeding Soft Robots With Physics-Augmented Generative
Diffusion Models [102.13968267347553]
本稿では,様々なタスクにおいて優れたソフトロボット形態を生成する物理拡張拡散モデルであるDiffuseBotを提案する。
我々は、その能力とともに、シミュレーションされた、そして製造された様々なロボットを紹介します。
論文 参考訳（メタデータ） (2023-11-28T18:58:48Z) - FluidLab: A Differentiable Environment for Benchmarking Complex Fluid
Manipulation [80.63838153351804]
複雑な流体力学を含む多種多様な操作タスクを備えたシミュレーション環境であるFluidLabを紹介する。
私たちのプラットフォームの中心には、GPU加速シミュレーションと勾配計算を提供する、完全に微分可能な物理シミュレータがあります。
微分可能物理学と組み合わせたいくつかのドメイン固有最適化スキームを提案する。
論文 参考訳（メタデータ） (2023-03-04T07:24:22Z) - Real-to-Sim: Predicting Residual Errors of Robotic Systems with Sparse
Data using a Learning-based Unscented Kalman Filter [65.93205328894608]
我々は,動的・シミュレータモデルと実ロボット間の残差を学習する。
学習した残差誤差により、動的モデル、シミュレーション、および実際のハードウェア間の現実的ギャップをさらに埋めることができることを示す。
論文 参考訳（メタデータ） (2022-09-07T15:15:12Z) - Fast Aquatic Swimmer Optimization with Differentiable Projective
Dynamics and Neural Network Hydrodynamic Models [23.480913364381664]
水面移動(Aquatic locomotion)は、生物学者や技術者が関心を持つ古典的な流体構造相互作用(FSI)問題である。
本研究では, 変形可能なスイマーの固体構造に対する2次元数値シミュレーションを組み合わせた, FSI に完全微分可能な新しいハイブリッド手法を提案する。
2次元キャランギフォームスイマーにおけるハイブリッドシミュレータの計算効率と微分性を示す。
論文 参考訳（メタデータ） (2022-03-30T15:21:44Z) - Learning Material Parameters and Hydrodynamics of Soft Robotic Fish via
Differentiable Simulation [26.09104786491426]
本フレームワークは, 実ハードウェアにおける複合バイモルフ曲げ構造の動的挙動の高精度予測を可能にする。
我々は,ロボットの材料パラメータと流体力学を学習するための,実験的に検証された高速な最適化パイプラインを実証した。
我々は水中ソフトロボットの特定の応用に焦点をあてるが、我々のフレームワークは空気圧で作動するソフトメカニズムにも適用できる。
論文 参考訳（メタデータ） (2021-09-30T05:24:02Z)
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。