論文の概要: Control Lyapunov Functions for Underactuated Soft Robots

• arxiv url: http://arxiv.org/abs/2603.05638v1
• Date: Thu, 05 Mar 2026 19:50:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:41.957524
• Title: Control Lyapunov Functions for Underactuated Soft Robots
• Title（参考訳）: ソフトロボットのリアプノフ制御機能
• Abstract要約: 本稿では,非作動型ソフトロボットのタスク空間制御と追跡のための汎用的な制御フレームワークを提案する。 この方法は、凸不等式制約としてラプノフ関数を急速に安定化させる。 その結果,入力限界下でのタスク空間精度と一貫したリアプノフ収束が向上した。
• 参考スコア（独自算出の注目度）: 1.2891210250935148
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Soft and soft-rigid hybrid robots are inherently underactuated and operate under tight actuator limits, making task-space control with stability guarantees challenging. Common nonlinear strategies for soft robots (e.g., those based on PD control) often rely on the assumption of full actuation with no actuator limits. This paper presents a general control framework for task-space regulation and tracking of underactuated soft robots under bounded inputs. The method enforces a rapidly exponentially stabilizing control Lyapunov function as a convex inequality constraint while simultaneously satisfying underactuated full-body dynamics and actuator bounds. We validate the approach in simulation on several platforms spanning increasing underactuation: a simple two link tendon-driven "finger", a trimmed helicoid manipulator, and a highly underactuated spiral robot. We compare against a number of baseline methods from the literature. Results show improved task-space accuracy and consistent Lyapunov convergence under input limits, achieving superior set-point and trajectory-tracking performance.
• Abstract（参考訳）: ソフトでソフトなハイブリッドロボットは、本質的に不活性化され、厳密なアクチュエーターの制限の下で動作し、安定性を保証するタスクスペース制御が困難になる。 ソフトロボットの一般的な非線形戦略(例えば、PD制御に基づくもの)は、アクチュエータの制限のない完全なアクチュエータの仮定に依存することが多い。 本稿では,非作動型ソフトロボットのタスク空間制御と追跡のための汎用的な制御フレームワークを提案する。 この方法は、不活性化フルボディダイナミクスとアクチュエータ境界を同時に満たしながら、凸不等式制約として、急激に安定化制御リャプノフ関数を強制する。 簡単な2つのリンク腱駆動の"フィンガー"、トリミングされたヘリコイドマニピュレータ、高度に不活性化されたスパイラルロボットである。 文献のいくつかの基本的手法と比較する。 その結果, 入力限界下でのタスク空間精度と一貫したリアプノフ収束性が向上し, より優れた設定点と軌道追従性能が得られた。

関連論文リスト

• CosmoH2G: A Hand-to-Gripper Transfer Dataset and Baseline Method for Object Manipulation with Complex Spatial Movements [63.40365657068892]
  ロボットグリップに人手によるデモンストレーションを移すことは、最近、ロボット学習の費用対効果の高いソリューションとして浮上した。 このギャップに触発された我々は、きめ細かい手の動きによって導かれる暗黙的なデータ駆動アプローチを採用した。 シミュレーションと実ロボット実験の両方において、我々のフレームワークは複雑な空間操作の安定かつ高精度なハンド・トゥ・グルーパー転送を可能にする。
  論文  参考訳（メタデータ） (2026-09-07T13:47:22Z)
• Curvature-Constrained and Constant-Speed Distributed Simultaneous Arrival Control for Multi-Robot Systems [37.30408009317727]
  複数の移動ロボットを目標地点に同時到着させることは、協調的な囲い込み、災害救助、環境モニタリングといった協調作業に不可欠である。 本稿では,最大コンセンサスプロトコルに基づく分散スイッチング制御手法を提案する。 提案した制御法の下では,各ロボットは隣接ロボットの最大仮想時間に近づき,軽度条件下での同時到着を実現する。
  論文  参考訳（メタデータ） (2026-07-16T09:59:16Z)
• Morphology-Specific Closed-Loop Control of Logarithmic-Spiral Continuum Arms via Online Jacobian Error Compensation [9.759803937074699]
  最近報告された対数的スピラルロボットは、スケーラブルな製造と多目的把握を実証したが、逆運動学と閉ループ制御に欠けていた。 本研究は、対数-スピラル連続腕のための最初の形態特異的クローズドループタスク空間制御フレームワークを提示する。 その結果, 対数-呼吸形態とオンラインジャコビアン補償を組み合わせることで, 高度に不安定な連続体マニピュレータの精度, 堅牢, スケーラブルな制御が可能となった。
  論文  参考訳（メタデータ） (2026-06-24T13:54:23Z)
• Mind Your Steps: A General Learning Framework for Accurate Humanoid Foothold Tracking [78.30338456206984]
  本稿では,汎用3D足場追跡ポリシーをトレーニングするための新しいフレームワークを提案する。 本手法は, 目標検層による足場支援を動的に行うことにより, 学習方針を特定の地形に依存しないものにする。 我々の新しいターゲット表現は、雑音や不正確なポーズ推定や足の接触推定といった現実の課題を効果的に緩和する。
  論文  参考訳（メタデータ） (2026-06-06T16:44:56Z)
• Learning Reactive Dexterous Grasping via Hierarchical Task-Space RL Planning and Joint-Space QP Control [50.28263951510334]
  本稿では,リアクティブなデクスタリーグルーピングのためのハイブリッド階層型制御フレームワークを提案する。 提案手法は,低レベル共同実行から高レベル空間意図を明示的に分離する。 我々は厳密なシミュレーションと現実のパイプラインを通して提案したフレームワークを広範囲に検証する。
  論文  参考訳（メタデータ） (2026-05-05T04:49:38Z)
• Reconciling distributed compliance with high-performance control in continuum soft robotics [5.559127468747317]
  ハードウェアの離散化や剛性に基づくモード抑制を伴わない,高度に適合した完全連続型ロボットアームを提案する。 このプラットフォームは、直接駆動アクチュエータ、複合曲げおよびねじれを可能にする腱ルーティングスキーム、構造化された非線形制御アーキテクチャを統合している。 提案システムでは,ソフトロボットのタスク実行速度が最速である。
  論文  参考訳（メタデータ） (2026-03-17T15:01:04Z)
• ACLM: ADMM-Based Distributed Model Predictive Control for Collaborative Loco-Manipulation [9.708461585583791]
  重荷のロコ操作による共同輸送は、脚のあるロボットにとって難しいが必須の能力である。 本研究は,ロコマニピュレーションのための分散モデル予測制御フレームワークであるマルチプライアの交互方向法を提案する。
  論文  参考訳（メタデータ） (2026-03-07T08:06:51Z)
• ULTRA: Unified Multimodal Control for Autonomous Humanoid Whole-Body Loco-Manipulation [55.467742403416175]
  本稿では,大規模モーションキャプチャをヒューマノイドに変換する物理駆動型ニューラルネットワークを提案する。 我々は高密度参照とスパースタスク仕様の両方をサポートする統合マルチモーダルコントローラを学習する。 その結果,ULTRAは自我中心の知覚から,自律的,目標条件付き全体ロコ操作に一般化することが示された。
  論文  参考訳（メタデータ） (2026-03-03T18:59:29Z)
• 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)
• Simultaneous Contact-Rich Grasping and Locomotion via Distributed Optimization Enabling Free-Climbing for Multi-Limbed Robots [60.06216976204385]
  移動, 把握, 接触問題を同時に解くための効率的な運動計画フレームワークを提案する。 ハードウェア実験において提案手法を実証し, より短い計画時間で, 傾斜角45degで自由クライミングを含む様々な動作を実現できることを示す。
  論文  参考訳（メタデータ） (2022-07-04T13:52:10Z)
• VAE-Loco: Versatile Quadruped Locomotion by Learning a Disentangled Gait Representation [78.92147339883137]
  本研究では,特定の歩行を構成する主要姿勢位相を捕捉する潜在空間を学習することにより,制御器のロバスト性を高めることが重要であることを示す。 本研究では,ドライブ信号マップの特定の特性が,歩幅,歩幅,立位などの歩行パラメータに直接関係していることを示す。 生成モデルを使用することで、障害の検出と緩和が容易になり、汎用的で堅牢な計画フレームワークを提供する。
  論文  参考訳（メタデータ） (2022-05-02T19:49:53Z)
• 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)
• First Steps: Latent-Space Control with Semantic Constraints for Quadruped Locomotion [73.37945453998134]
  従来の四重化制御のアプローチでは、単純化された手作りのモデルが採用されている。 これにより、有効な運動範囲が縮小されているため、ロボットの能力が大幅に低下する。 この研究において、これらの課題は、構造化潜在空間における最適化として四重化制御をフレーミングすることによって解決される。 深い生成モデルは、実現可能な関節構成の統計的表現を捉え、一方、複雑な動的および終端的制約は高レベルな意味的指標によって表現される。 実世界とシミュレーションの両方で最適化された移動軌跡の実現可能性を検証する。
  論文  参考訳（メタデータ） (2020-07-03T07:04:18Z)
• Improving Input-Output Linearizing Controllers for Bipedal Robots via Reinforcement Learning [85.13138591433635]
  入力出力線形化コントローラの主な欠点は、正確な力学モデルが必要であり、入力制約を考慮できないことである。 本稿では,強化学習技術を用いた二足歩行ロボット制御の具体例について,両課題に対処する。
  論文  参考訳（メタデータ） (2020-04-15T18:15:49Z)

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。