論文の概要: Wake Up to the Past: Using Memory to Model Fluid Wake Effects on Robots

• arxiv url: http://arxiv.org/abs/2603.22472v1
• Date: Mon, 23 Mar 2026 18:40:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-25 19:53:37.148939
• Title: Wake Up to the Past: Using Memory to Model Fluid Wake Effects on Robots
• Title（参考訳）: 過去を振り返る: メモリを使ってロボットの流体ウェイク効果をモデル化する
• Authors: Luca Vendruscolo, Eduardo Sebastián, Amanda Prorok, Ajay Shankar,
• Abstract要約: 媒体を摂動させることで移動を可能にする自律的な空中水生ロボットは、隣接するロボットの障害となるウェイクエフェクトを発生させる。 ウェイク効果は、流体のカオス力学のためにモデル化し予測することが困難である。 本研究では、流体を介する2つのロボット間の相互作用を正確にモデル化するために、覚醒効果予測器が満たさなければならない特性について実証的研究を行う。
• 参考スコア（独自算出の注目度）: 10.072213190133546
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Autonomous aerial and aquatic robots that attain mobility by perturbing their medium, such as multicopters and torpedoes, produce wake effects that act as disturbances for adjacent robots. Wake effects are hard to model and predict due to the chaotic spatio-temporal dynamics of the fluid, entangled with the physical geometry of the robots and their complex motion patterns. Data-driven approaches using neural networks typically learn a memory-less function that maps the current states of the two robots to a force observed by the "sufferer" robot. Such models often perform poorly in agile scenarios: since the wake effect has a finite propagation time, the disturbance observed by a sufferer robot is some function of relative states in the past. In this work, we present an empirical study of the properties a wake-effect predictor must satisfy to accurately model the interactions between two robots mediated by a fluid. We explore seven data-driven models designed to capture the spatio-temporal evolution of fluid wake effects in four different media. This allows us to introspect the models and analyze the reasons why certain features enable improved accuracy in prediction across predictors and fluids. As experimental validation, we develop a planar rectilinear gantry for two spinning monocopters to test in real-world data with feedback control. The conclusion is that support of history of previous states as input and transport delay prediction substantially helps to learn an accurate wake-effect predictor.
• Abstract（参考訳）: マルチコプターや魚雷などの媒体を摂動させることで移動性を得る自律的な空中水生ロボットは、隣接するロボットの障害となるウェイクエフェクトを発生させる。 ウェイクエフェクトは、ロボットの物理的幾何学と複雑な動きパターンに絡み合った流体のカオス的な時空間力学のためにモデル化し予測することが困難である。 ニューラルネットワークを用いたデータ駆動アプローチは、通常、2つのロボットの現在の状態を「サファイヤー」ロボットが観察する力にマッピングするメモリレス関数を学ぶ。 このようなモデルはアジャイルのシナリオではよく機能しない: 覚醒効果は伝播時間が有限であるため、障害者ロボットが観察した障害は、過去の相対状態のある種の機能である。 本研究では、流体によって媒介される2つのロボット間の相互作用を正確にモデル化するために、覚醒効果予測器が満たさなければならない特性について実証的研究を行う。 我々は,4つの異なる媒体における流体流速効果の時空間的変化を捉えるために設計された7つのデータ駆動モデルについて検討する。 これにより、モデルをイントロスペクションし、特定の特徴が予測器と流体間の予測精度を向上させる理由を分析することができる。 実験的な検証として、2機の回転するモノコプターをフィードバック制御で実世界のデータでテストするための平面リチリニアガントリーを開発した。 結論として、入力および輸送遅延予測としての過去の状態の履歴の支持は、正確な覚醒効果予測器の学習に有効である。

関連論文リスト

• RoboPack: Learning Tactile-Informed Dynamics Models for Dense Packing [38.97168020979433]
  本稿では, 視覚と触覚を組み合わせ, 触覚インフォームド・ダイナミックスモデルを学習することでロボット操作を実現するアプローチを提案する。 提案するフレームワークであるRoboPackは、オブジェクト状態を推定するために、リカレントグラフニューラルネットワークを使用している。 我々は,非包括的操作と密包装作業に対するソフトバブル触覚センサを備えた実ロボットへのアプローチを実証する。
  論文  参考訳（メタデータ） (2024-07-01T16:08:37Z)
• Predicting Human Impressions of Robot Performance During Navigation Tasks [8.01980632893357]
  本研究では,非言語行動手がかりと機械学習技術を用いて,ロボット行動に対する人々の印象を予測する可能性を検討する。 以上の結果から,表情だけでロボット性能の人的印象について有用な情報が得られることが示唆された。 教師付き学習技術は、ほとんどの場合、人間のロボット性能予測よりも優れていたため、有望であった。
  論文  参考訳（メタデータ） (2023-10-17T21:12:32Z)
• Robot Learning with Sensorimotor Pre-training [98.7755895548928]
  ロボット工学のための自己教師型感覚運動器事前学習手法を提案する。 我々のモデルはRTTと呼ばれ、センサモレータトークンのシーケンスで動作するトランスフォーマーである。 感覚運動の事前学習は、ゼロからトレーニングを一貫して上回り、優れたスケーリング特性を持ち、さまざまなタスク、環境、ロボット間での移動を可能にしている。
  論文  参考訳（メタデータ） (2023-06-16T17:58:10Z)
• Combining Vision and Tactile Sensation for Video Prediction [0.0]
  本研究では,触覚フィードバックを映像予測モデルに組み込んだ物理的ロボットインタラクションの効果について検討する。 磁気ベースの触覚センサを用いて教師なし学習を行うロボットプッシュの2つの新しいデータセットを紹介した。 以上の結果から,触覚フィードバックを映像予測モデルに組み込むことにより,シーン予測精度が向上し,エージェントの身体的相互作用に対する認識が向上することが示唆された。
  論文  参考訳（メタデータ） (2023-04-21T18:02:15Z)
• SPOTR: Spatio-temporal Pose Transformers for Human Motion Prediction [12.248428883804763]
  3次元人間の動き予測は、コンピュータビジョンにおける高い重要性と課題を計算した研究領域である。 伝統的に、自己回帰モデルは人間の動きを予測するために用いられてきた。 人間の動作予測のための非自己回帰モデルを提案する。
  論文  参考訳（メタデータ） (2023-03-11T01:44:29Z)
• 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)
• Proactive Anomaly Detection for Robot Navigation with Multi-Sensor Fusion [7.293053431456775]
  移動ロボットは異常な動作を生成し、ナビゲーション障害を引き起こす。 反応異常検出法は、現在のロボットの状態に基づいて異常なタスク実行を識別する。 本研究では,非構造的かつ不確実な環境下でのロボットナビゲーションのための能動的異常検出ネットワーク(PAAD)を提案する。
  論文  参考訳（メタデータ） (2022-04-03T19:48:40Z)
• Future Frame Prediction for Robot-assisted Surgery [57.18185972461453]
  本稿では,ロボット手術用ビデオシーケンスにおけるフレーム予測のためのtpg-vaeモデルを提案する。 コンテンツ配信に加えて、私たちのモデルは、手術ツールの小さな動きを処理するために斬新な運動分布を学習します。
  論文  参考訳（メタデータ） (2021-03-18T15:12:06Z)
• Learning Predictive Models From Observation and Interaction [137.77887825854768]
  世界との相互作用から予測モデルを学ぶことで、ロボットのようなエージェントが世界がどのように働くかを学ぶことができる。 しかし、複雑なスキルのダイナミクスを捉えるモデルを学ぶことは大きな課題である。 本研究では,人間などの他のエージェントの観察データを用いて,トレーニングセットを増強する手法を提案する。
  論文  参考訳（メタデータ） (2019-12-30T01:10:41Z)

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。