論文の概要: Proprioceptive Shape Estimation of Tensegrity Manipulators Using Energy Minimisation

• arxiv url: http://arxiv.org/abs/2603.05976v1
• Date: Fri, 06 Mar 2026 07:17:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:41.981067
• Title: Proprioceptive Shape Estimation of Tensegrity Manipulators Using Energy Minimisation
• Title（参考訳）: エネルギー最小化による引張マニピュレータの受動的形状推定
• Authors: Tufail Ahmad Bhat, Shuhei Ikemoto,
• Abstract要約: 形状推定は、連続曲げ張力マニピュレータを制御するための基礎となる。 本稿では, 重力に対する傾斜角情報のみを用いて, 張力マニピュレータ全体の形状推定が可能であることを示す。 20本の支柱と総長さ1160mmの5層張力マニピュレータを用いて行った実験により,提案手法は全マニピュレータ長さの2.1%の精度で形状を推定できることを示した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Shape estimation is fundamental for controlling continuously bending tensegrity manipulators, yet achieving it remains a challenge. Although using exteroceptive sensors makes the implementation straightforward, it is costly and limited to specific environments. Proprioceptive approaches, by contrast, do not suffer from these limitations. So far, several methods have been proposed; however, to our knowledge, there are no proven examples of large-scale tensegrity structures used as manipulators. This paper demonstrates that shape estimation of the entire tensegrity manipulator can be achieved using only the inclination angle information relative to gravity for each strut. Inclination angle information is intrinsic sensory data that can be obtained simply by attaching an inertial measurement unit (IMU) to each strut. Experiments conducted on a five-layer tensegrity manipulator with 20 struts and a total length of 1160 mm demonstrate that the proposed method can estimate the shape with an accuracy of 2.1 \% of the total manipulator length, from arbitrary initial conditions under both static conditions and maintains stable shape estimation under external disturbances.
• Abstract（参考訳）: 形状推定は、連続的に曲げられる引張マニピュレータを制御するのに基本的なものであるが、それを達成することは依然として困難である。 外部受容センサーを使用することで実装が簡単になるが、コストがかかり、特定の環境に限られる。 対照的に、原始受容的アプローチはこれらの制限に苦しむことはない。 これまでにいくつかの手法が提案されているが、我々の知る限り、マニピュレータとして用いられる大規模引張構造の実証例は存在しない。 本稿では, 重力に対する傾斜角情報のみを用いて, 張力マニピュレータ全体の形状推定が可能であることを示す。 傾斜角情報は、各ストラットに慣性測定ユニット(IMU)を装着するだけで得られる固有感覚データである。 20本の支柱と総長さ1160mmの5層張力マニピュレータを用いた実験により, 任意の初期条件から全マニピュレータ長の2.1 %の精度で形状を推定でき, 外乱下での安定した形状推定を維持できることを示した。

関連論文リスト

• 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)
• DOGE: An Extrinsic Orientation and Gyroscope Bias Estimation for Visual-Inertial Odometry Initialization [7.706396165773557]
  回転補正を遅らせることなく高精度で高剛性な視覚慣性オドメトリー(VIO)法を提案する。 本手法は,競争効率を維持しつつ,精度とロバスト性の両方で最先端の手法より優れる。
  論文  参考訳（メタデータ） (2024-12-11T06:44:22Z)
• Imprecision plateaus in quantum steering [0.0]
  測定精度のしきい値まで導入しても影響を受けないステアリングの不等式について報告する。 本稿では, インプレクション・プラトーがなぜ可能か, それらの存在の簡単な基準, それらの特性を解析するためのツールについて説明する。
  論文  参考訳（メタデータ） (2024-08-22T10:26:23Z)
• SOOD++: Leveraging Unlabeled Data to Boost Oriented Object Detection [68.18620488664187]
  本稿では,SOOD++ と呼ばれる簡易かつ効果的な半教師付きオブジェクト指向検出手法を提案する。 具体的には、空中画像からの物体は、通常任意の向き、小さなスケール、密度分布を持つ。 各種ラベル付き環境下での多目的対象物に対する大規模な実験により,本手法の有効性が示された。
  論文  参考訳（メタデータ） (2024-07-01T07:03:51Z)
• Realtime Robust Shape Estimation of Deformable Linear Object [5.63550507123537]
  本研究では, 線形変形可能な物体の形状を, 分散鍵点と非順序鍵点を用いてリアルタイムで推定するロバストな手法を提案する。 鍵点が部分的に無視されている場合の手法のロバスト性を示す。 提案手法は,長さ1m,半径5mmのケーブルの形状を追跡するためのUnityのシミュレーションにも組み込まれている。
  論文  参考訳（メタデータ） (2024-03-24T13:36:23Z)
• Predicting Out-of-Domain Generalization with Neighborhood Invariance [59.05399533508682]
  局所変換近傍における分類器の出力不変性の尺度を提案する。 私たちの測度は計算が簡単で、テストポイントの真のラベルに依存しません。 画像分類,感情分析,自然言語推論のベンチマーク実験において,我々の測定値と実際のOOD一般化との間に強い相関関係を示す。
  論文  参考訳（メタデータ） (2022-07-05T14:55:16Z)
• DeepMLS: Geometry-Aware Control Point Deformation [76.51312491336343]
  本稿では,空間に基づく変形技術であるDeepMLSを紹介する。 ニューラルネットワークの力を利用して、下層の形状を変形パラメータに注入する。 本手法は直感的に滑らかな変形をしやすくし, 製造物に適している。
  論文  参考訳（メタデータ） (2022-01-05T23:55:34Z)
• Intrinsic Dimensionality Explains the Effectiveness of Language Model Fine-Tuning [52.624194343095304]
  我々は、内在次元のレンズを通して微調整を分析することは、経験的および理論的直観をもたらすと論じる。 実験により、一般的な事前学習モデルは本質的な次元が極めて低いことを示す。
  論文  参考訳（メタデータ） (2020-12-22T07:42:30Z)
• Pedestrian orientation dynamics from high-fidelity measurements [65.06084067891364]
  本研究では,歩行者の運動の一般的な物理的特性に基づいて学習するディープ・ニューラル・アーキテクチャに基づく新しい計測手法を提案する。 提案手法は, 誤差を7.5度まで低減し, 向きを推定できることを示す。 このツールは、方向が鍵となる人間の群集力学の研究において、新たな可能性を開く。
  論文  参考訳（メタデータ） (2020-01-14T07:08:31Z)

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。