論文の概要: Unified Structural-Hydrodynamic Modeling of Underwater Underactuated Mechanisms and Soft Robots

• arxiv url: http://arxiv.org/abs/2603.07939v1
• Date: Mon, 09 Mar 2026 04:06:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:42.083193
• Title: Unified Structural-Hydrodynamic Modeling of Underwater Underactuated Mechanisms and Soft Robots
• Title（参考訳）: 水中運動機構とソフトロボットの統一構造流体力学モデリング
• Authors: Chenrui Zhang, Yiyuan Zhang, Yunfei Ye, Junkai Chen, Haozhe Wang, Cecilia Laschi,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 11.247998904088007
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Underwater robots are widely deployed for ocean exploration and manipulation. Underactuated mechanisms are particularly advantageous in aquatic environments, as reducing actuator count lowers the risk of motor leakage while introducing inherent mechanical compliance. However, accurate modeling of underwater underactuated and soft robotic systems remains challenging because it requires identifying a high-dimensional set of internal structural and external hydrodynamic parameters. In this work, we propose a trajectory-driven global optimization framework for unified structural-hydrodynamic modeling of underwater multibody systems. Inspired by the Covariance Matrix Adaptation Evolution Strategy (CMA-ES), the proposed approach simultaneously identifies coupled internal elastic, damping, and distributed hydrodynamic parameters through trajectory-level matching between simulation and experimental motion. This enables high-fidelity reproduction of both underactuated mechanisms and compliant soft robotic systems in underwater environments. We first validate the framework on a link-by-link underactuated multibody mechanism, demonstrating accurate identification of distributed hydrodynamic coefficients, with a normalized end effector position error below 5% across multiple trajectories, varying initial conditions, and both active-passive and fully passive configurations. The identified modeling strategy is then transferred to a single octopus-inspired soft arm, showing strong real-to-sim consistency without manual retuning. Finally, eight identified arms are assembled into a swimming octopus robot, where the unified parameter set enables realistic whole body behavior without additional parameter calibration. These results demonstrate the scalability and transferability of the proposed structural-hydrodynamic modeling framework across underwater underactuated and soft robotic systems.
• Abstract（参考訳）: 水中ロボットは海洋探査と操作のために広く配備されている。 アクチュエータ数の減少は、固有の機械的コンプライアンスを導入しながらモーターリークのリスクを低下させるため、水中環境では特に有利である。 しかし, 水中・軟式ロボットシステムの高精度なモデリングは, 内部および外部の流体力学パラメータの高次元集合を同定する必要があるため, 依然として困難である。 本研究では,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, シミュレーションと実験運動の軌道レベルマッチングにより, 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。 まず,複数の軌道をまたいだ正規化エンドエフェクタ位置誤差,初期条件の変化,アクティブ・パッシブおよび完全受動的構成の両面において,分散流体係数の正確な同定を検証した。 同定されたモデリング戦略は、単一のタコにインスパイアされたソフトアームに転送され、手動で調整することなく、強力なリアルタイム整合性を示す。 最後に、8つの特定された腕を水泳タコロボットに組み立て、統一されたパラメータセットは、追加のパラメータキャリブレーションを伴わずに、現実的な全身動作を可能にする。 これらの結果は,水中・軟式ロボットシステムにおける構造流体力学モデリングフレームワークのスケーラビリティと伝達性を示すものである。

関連論文リスト

• STRIDE: Structured Lagrangian and Stochastic Residual Dynamics via Flow Matching [2.5845893156827158]
  本研究では、保守的な剛体力学を不確実かつ効果的に非保守的な相互作用効果から分離する動的学習フレームワークSTRIDEを提案する。 本研究は,ペンデュラム,Unitree Go1ruped,Unitree G1 humanoidなど複雑度の高いシステム上でのSTRIDEの評価である。 その結果, 長軸予測誤差が20%減少し, 接触力予測誤差が30%減少した。
  論文  参考訳（メタデータ） (2026-03-09T15:15:21Z)
• 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)
• MS-MANO: Enabling Hand Pose Tracking with Biomechanical Constraints [50.61346764110482]
  筋骨格系と学習可能なパラメトリックハンドモデルMANOを統合し,MS-MANOを作成する。 このモデルは骨格系を駆動する筋肉と腱の力学をエミュレートし、結果として生じるトルク軌跡に生理学的に現実的な制約を与える。 また,マルチ層パーセプトロンネットワークによる初期推定ポーズを改良する,ループ式ポーズ改善フレームワークBioPRを提案する。
  論文  参考訳（メタデータ） (2024-04-16T02:18:18Z)
• 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)
• Stochastic Latent Transformer: Efficient Modelling of Stochastically Forced Zonal Jets [0.0]
  本稿では,SLT(Stochastic Latent Transformer)という新しい確率論的学習手法を提案する。 SLTは、様々な統合期間にわたってシステムダイナミクスを正確に再現し、定量的診断を通じて検証する。 水平平均流をエミュレートする際の5次のマグニチュードスピードアップを実現する。
  論文  参考訳（メタデータ） (2023-10-25T16:17:00Z)
• Conditional Generative Models for Simulation of EMG During Naturalistic Movements [45.698312905115955]
  本稿では、運動単位活性化電位波形を生成するために、逆向きに訓練された条件付き生成ニューラルネットワークを提案する。 本研究では,より少ない数の数値モデルの出力を高い精度で予測的に補間できることを実証する。
  論文  参考訳（メタデータ） (2022-11-03T14:49:02Z)
• Physics-informed machine learning with differentiable programming for heterogeneous underground reservoir pressure management [64.17887333976593]
  地下貯水池の過圧化を避けることは、CO2の沈殿や排水の注入といった用途に欠かせない。 地中における複雑な不均一性のため, 噴射・抽出制御による圧力管理は困難である。 過圧化防止のための流体抽出速度を決定するために、フル物理モデルと機械学習を用いた微分可能プログラミングを用いる。
  論文  参考訳（メタデータ） (2022-06-21T20:38:13Z)
• 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)
• Euclideanizing Flows: Diffeomorphic Reduction for Learning Stable Dynamical Systems [74.80320120264459]
  本研究では、限られた数の人間の実演からそのような動きを学ぶためのアプローチを提案する。 複素運動は安定な力学系のロールアウトとして符号化される。 このアプローチの有効性は、確立されたベンチマーク上での検証と、現実世界のロボットシステム上で収集されたデモによって実証される。
  論文  参考訳（メタデータ） (2020-05-27T03:51:57Z)

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。