論文の概要: A Unified Low-Dimensional Design Embedding for Joint Optimization of Shape, Material, and Actuation in Soft Robots

• arxiv url: http://arxiv.org/abs/2603.06497v1
• Date: Fri, 06 Mar 2026 17:33:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:41.99939
• Title: A Unified Low-Dimensional Design Embedding for Joint Optimization of Shape, Material, and Actuation in Soft Robots
• Title（参考訳）: ソフトロボットの形状, 材料, 動作の協調最適化のための統一低次元設計埋め込み
• Authors: Vittorio Candiello, Manuel Mekkattu, Mike Y. Michelis, Robert K. Katzschmann,
• Abstract要約: 形状変形,多材料分布,アクチュエータを統一したソフトロボットのためのスムーズで低次元な設計埋め込みを提案する。 実験では、ニューラルネットワークの符号化と異なり、基礎関数の数に応じて設計が増加することを示す。 さらに, 一体型埋め込みによる形状, 材料, アクティベーションの協調最適化は, 逐次戦略を一貫して上回ることを示す。
• 参考スコア（独自算出の注目度）: 4.829343342713712
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Soft robots achieve functionality through tight coupling among geometry, material composition, and actuation. As a result, effective design optimization requires these three aspects to be considered jointly rather than in isolation. This coupling is computationally challenging: nonlinear large-deformation mechanics increase simulation cost, while contact, collision handling, and non-smooth state transitions limit the applicability of standard gradient-based approaches. We introduce a smooth, low-dimensional design embedding for soft robots that unifies shape morphing, multi-material distribution, and actuation within a single structured parameter space. Shape variation is modeled through continuous deformation maps of a reference geometry, while material properties are encoded as spatial fields. Both are constructed from shared basis functions. This representation enables expressive co-design while drastically reducing the dimensionality of the search space. In our experiments, we show that design expressiveness increases with the number of basis functions, unlike comparable neural network encodings whose representational capacity does not scale predictably with parameter count. We further show that joint co-optimization of shape, material, and actuation using our unified embedding consistently outperforms sequential strategies. All experiments are performed independently of the underlying simulator, confirming compatibility with black-box simulation pipelines. Across multiple dynamic tasks, the proposed embedding surpasses neural network and voxel-based baseline parameterizations while using significantly fewer design parameters. Together, these findings demonstrate that structuring the design space itself enables efficient co-design of soft robots.
• Abstract（参考訳）: ソフトロボットは、幾何学、材料構成、アクチュエーター間の密結合によって機能を達成する。 結果として、効果的な設計最適化はこれら3つの側面を独立して考えるのではなく、共同で考える必要がある。 非線形な大変形力学はシミュレーションコストを増大させ、接触、衝突処理、非滑らかな状態遷移は標準勾配に基づくアプローチの適用性を制限する。 形状変形, 多物質分布, アクティベーションを単一のパラメータ空間内で統一するソフトロボットのためのスムーズで低次元な設計埋め込みを提案する。 形状変化は参照幾何学の連続的な変形マップを通してモデル化され、材料特性は空間場として符号化される。 どちらも共通基底関数から構成される。 この表現は、探索空間の次元を大幅に減少させながら、表現的共設計を可能にする。 本実験では,表現能力がパラメータ数で予測可能でないニューラルネットワーク符号化と異なり,基本関数の数に応じて設計表現性が増加することを示す。 さらに, 一体型埋め込みによる形状, 材料, アクティベーションの協調最適化は, 逐次戦略を一貫して上回ることを示す。 すべての実験は基礎となるシミュレータとは独立に行われ、ブラックボックスシミュレーションパイプラインとの互換性を確認する。 複数の動的タスクにまたがって、提案された埋め込みは、ニューラルネットワークやボクセルベースのベースラインパラメータ化よりもはるかに少ない設計パラメータを使用する。 これらの結果から,設計空間自体の再構築により,ソフトロボットの効率的な共同設計が可能であることが示唆された。

関連論文リスト

• From Coefficients to Directions: Rethinking Model Merging with Directional Alignment [66.99062575537555]
  パラメータと特徴空間の両面に一貫した方向構造を整列する,方向アライメント付きemphMerging(method)という統一幾何学的枠組みを導入する。 分析の結果、指向性アライメントは構造的コヒーレンスを改善し、ベンチマーク、モデルスケール、タスク構成にまたがる広範な実験により、我々のアプローチの有効性がさらに検証された。
  論文  参考訳（メタデータ） (2025-11-29T08:40:58Z)
• Surrogate-Based Differentiable Pipeline for Shape Optimization [64.24199762940444]
  本稿では,非微分可能なパイプラインコンポーネントを,本質的に微分可能な代理モデルに置き換えることを提案する。 本研究では、3次元U-Netのフルフィールドサロゲートがメッシュ化とシミュレーションの両方のステップを置き換え、その形状の符号付き距離場(SDF)と関心領域のマッピングをトレーニングするエンド・ツー・エンドの微分可能なパイプラインを実証する。
  論文  参考訳（メタデータ） (2025-11-13T19:30:50Z)
• Learning Deformable Body Interactions With Adaptive Spatial Tokenization [7.74274240680049]
  変形可能な物体間の相互作用のシミュレーションは、材料科学、機械設計、ロボット工学などの分野において不可欠である。 オブジェクト間の相互作用をモデル化するには、ペアワイズなグローバルエッジを動的に作成する必要がある。 物理的状態の効率的な表現のための適応的空間トークン化(AST)手法を提案する。
  論文  参考訳（メタデータ） (2025-07-18T07:27:35Z)
• HiLAB: A Hybrid Inverse-Design Framework [0.0]
  HiLABはナノフォトニック構造の逆設計のための新しいパラダイムである。 シミュレーションコストを削減した多様なフリーフォーム構成を生成することで、多機能デバイス設計に対処する。
  論文  参考訳（メタデータ） (2025-05-23T05:34:56Z)
• Efficient Design of Compliant Mechanisms Using Multi-Objective Optimization [50.24983453990065]
  そこで本研究では,大きな角状脳卒中を許容できる適合型クロスヒンジ機構の合成について述べる。 キネトスタティックな性能測定に基づいて,多目的最適化問題を定式化する。
  論文  参考訳（メタデータ） (2025-04-23T06:29:10Z)
• Neurally Integrated Finite Elements for Differentiable Elasticity on Evolving Domains [19.755626638375904]
  進化的暗黙の関数として定義された領域の弾性シミュレータ。これは効率的で堅牢で、形状や材料に関して微分可能である。 重要な技術的革新は、暗黙の格子セル上で堅牢な数値積分のために、二次点に適合するように小さなニューラルネットワークを訓練することである。 提案手法は, 暗黙の前方シミュレーション, 編集中の3次元形状の直接シミュレーション, 物理に基づく新しい形状とトポロジーの最適化と, 微分可能レンダリングの併用における有効性を示す。
  論文  参考訳（メタデータ） (2024-10-12T07:49:23Z)
• Compositional Generative Inverse Design [69.22782875567547]
  入力変数を設計して目的関数を最適化する逆設計は重要な問題である。 拡散モデルにより得られた学習エネルギー関数を最適化することにより、そのような逆例を避けることができることを示す。 N-body 相互作用タスクと2次元多面体設計タスクにおいて,実験時に学習した拡散モデルを構成することにより,初期状態と境界形状を設計できることを示す。
  論文  参考訳（メタデータ） (2024-01-24T01:33:39Z)
• 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)
• Differentiable Simulation of Soft Multi-body Systems [99.4302215142673]
  我々は、Projective Dynamics内でトップダウン行列アセンブリアルゴリズムを開発する。 筋肉,関節トルク,空気圧管によって駆動される軟口蓋体に対して,異なる制御機構を導出する。
  論文  参考訳（メタデータ） (2022-05-03T20:03:22Z)

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。