論文の概要: Trajectory Generation for Underactuated Soft Robot Manipulators using Discrete Elastic Rod Dynamics

• arxiv url: http://arxiv.org/abs/2603.22604v1
• Date: Mon, 23 Mar 2026 22:01:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-25 19:53:37.201485
• Title: Trajectory Generation for Underactuated Soft Robot Manipulators using Discrete Elastic Rod Dynamics
• Title（参考訳）: 離散弾性ロッドダイナミクスを用いた不動ソフトロボットマニピュレータの軌道生成
• Abstract要約: 動的に実現可能な軌道を持つ計画運動は任意の変形を捉えるモデルを必要とする。 本研究は,空気圧式ソフトロボットアームを用いた軌道生成の枠組みを実験的に検証する。
• 参考スコア（独自算出の注目度）: 2.739506394240299
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Soft robots are well suited for contact-rich tasks due to their compliance, yet this property makes accurate and tractable modeling challenging. Planning motions with dynamically-feasible trajectories requires models that capture arbitrary deformations, remain computationally efficient, and are compatible with underactuation. However, existing approaches balance these properties unevenly: continuum rod models provide physical accuracy but are computationally demanding, while reduced-order approximations improve efficiency at the cost of modeling fidelity. To address this, our work introduces a control-oriented reformulation of Discrete Elastic Rod (DER) dynamics for soft robots, and a method to generate trajectories with these dynamics. The proposed formulation yields a control-affine representation while preserving certain first-principles force-deformation relationships. As a result, the generated trajectories are both dynamically feasible and consistent with the underlying actuation assumptions. We present our trajectory generation framework and validate it experimentally on a pneumatic soft robotic limb. Hardware results demonstrate consistently improved trajectory tracking performance over a constant-curvature-based baseline, particularly under complex actuation conditions.
• Abstract（参考訳）: ソフトロボットは、コンプライアンスのため、コンタクトに富むタスクに適しているが、この特性は正確で扱いやすいモデリングを困難にしている。 動的に実現可能な軌道を持つ計画運動は、任意の変形を捉え、計算効率を保ち、不活性化と互換性を持つモデルを必要とする。 しかし、既存のアプローチはこれらの特性を不均一にバランスさせ、連続棒モデルは物理的精度を提供するが、計算的に要求される。 そこで本研究では,ソフトロボットのための離散弾性ロッド(DER)ダイナミクスの制御指向的再構成と,このダイナミクスを用いた軌道生成手法を提案する。 提案した定式化は、ある第一原理の力-変形関係を保ちながら制御-アフィン表現をもたらす。 その結果、生成された軌道は動的に実現可能であり、基礎となるアクチュエータ仮定と一致している。 本研究は,空気圧式ソフトロボットアームを用いた軌道生成の枠組みを実験的に検証する。 ハードウェアの結果は、特に複雑なアクチュエータ条件下での定曲率ベースライン上での軌道追跡性能を一貫して改善している。

関連論文リスト

• Learning-Based Dynamics Modeling and Robust Control for Tendon-Driven Continuum Robots [23.655392951446995]
  テンドン駆動型ロボット連続体(TDCR)は複雑な非線形性のため、モデリングと制御に重大な課題をもたらす。 本稿では,高忠実度ダイナミクスモデリングと頑健なニューラルコントロールを統合した微分可能な学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-04-28T14:20:44Z)
• Simulation-Driven Evolutionary Motion Parameterization for Contact-Rich Granular Scooping with a Soft Conical Robotic Hand [14.911239660367926]
  ツールベースのスクーピングは、さまざまな大きさ、形状、物質状態の物体との相互作用を可能にするロボット支援タスクにおいて不可欠である。 近年の研究では、柔軟で再構成可能なソフトロボットのエンドエフェクターが、スクーピング中に一貫した接触を維持するために形状に適応できることが示されている。 これらのソフトツールは、複雑な感知や制御を必要とせずに、様々な容器の大きさや材料に調整することができる。 本稿では,変形可能な円錐型ロボットハンドの物理シミュレーションモデルの開発について述べる。
  論文  参考訳（メタデータ） (2026-04-07T07:30:21Z)
• Self-supervised Physics-Informed Manipulation of Deformable Linear Objects with Non-negligible Dynamics [14.801939035043352]
  SPiDは、変形可能な線形オブジェクトの動的操作のための物理インフォーム付き自己教師付き学習フレームワークである。 タスク指向コストを用いてニューラルコントローラをトレーニングし、微分可能なオブジェクトモデルとの相互作用を通じてエンドツーエンドの最適化を可能にする。 我々は、手頃なマーカーレスロープ認識法を開発し、ノイズや低周波状態の更新を伴って、制御が性能を維持することを示す。
  論文  参考訳（メタデータ） (2026-02-03T15:14:09Z)
• Model-based Optimal Control for Rigid-Soft Underactuated Systems [8.552556328397673]
  本研究は,非作動型ソフトシステム(ダイレクトコロケーション,動的微分プログラミング,モデル予測制御)の3つの最適制御戦略について検討する。 厳密な連続力学と制約された運動に対処するために、暗黙の統合スキームとウォームスタート戦略を用いて数値ロバスト性と計算効率を向上させる。 これらの手法は, ソフトカートポール, ソフトペンデュボット, ソフトフルタペンデュラムの3種類のソフトベンチマークシステムにおいて, 性能と計算上のトレードオフを強調したシミュレーションで評価された。
  論文  参考訳（メタデータ） (2026-02-03T11:59:36Z)
• Fractional-order Modeling for Nonlinear Soft Actuators via Particle Swarm Optimization [49.34452620841728]
  本稿では, ソフト材料の動的挙動を捉えるために, 分数次微分方程式(FODE)に基づく革新的なモデリング手法を提案する。 提案手法は,ソフトアクチュエータに固有の複雑な変形現象を効果的に表現する。
  論文  参考訳（メタデータ） (2025-12-20T04:46:25Z)
• Surrogate compliance modeling enables reinforcement learned locomotion gaits for soft robots [5.193389420813379]
  適応型形態形成ロボットは、変化するタスクや環境条件を満たすために形態と制御ポリシーに適応する。 このようなシステムの多くは、形状変形を可能にするソフトコンポーネントを利用するが、シミュレーションや制御の課題も導入している。 本稿では,ソフトボディ物理を明示的にモデル化する代わりに,剛体シミュレータ内でのソフトマテリアル変形を表す間接変数を導入する。
  論文  参考訳（メタデータ） (2025-12-08T02:52:42Z)
• Dynamic Manipulation of Deformable Objects in 3D: Simulation, Benchmark and Learning Strategy [88.8665000676562]
  従来の手法は、しばしば問題を低速または2D設定に単純化し、現実の3Dタスクに適用性を制限する。 データ不足を軽減するため、新しいシミュレーションフレームワークと、低次ダイナミクスに基づくベンチマークを導入する。 本研究では,シミュレーション前トレーニングと物理インフォームドテスト時間適応を統合するフレームワークであるDynamics Informed Diffusion Policy (DIDP)を提案する。
  論文  参考訳（メタデータ） (2025-05-23T03:28:25Z)
• Spatial-Temporal Graph Diffusion Policy with Kinematic Modeling for Bimanual Robotic Manipulation [88.83749146867665]
  既存のアプローチは、遠く離れた次のベストなエンドエフェクタのポーズを予測するポリシーを学びます。 すると、運動に対する対応する関節回転角を逆運動学を用いて計算する。 本稿では,Kinematics 拡張空間テンポアル gRaph diffuser を提案する。
  論文  参考訳（メタデータ） (2025-03-13T17:48:35Z)
• Evolve Smoothly, Fit Consistently: Learning Smooth Latent Dynamics For Advection-Dominated Systems [14.553972457854517]
  複雑な物理系のサロゲートモデルを学ぶための,データ駆動・時空連続フレームワークを提案する。 ネットワークの表現力と特別に設計された整合性誘導正規化を利用して,低次元かつ滑らかな潜在軌道を得る。
  論文  参考訳（メタデータ） (2023-01-25T03:06:03Z)
• Active Learning of Discrete-Time Dynamics for Uncertainty-Aware Model Predictive Control [46.81433026280051]
  本稿では,非線形ロボットシステムの力学を積極的にモデル化する自己教師型学習手法を提案する。 我々のアプローチは、目に見えない飛行条件に一貫して適応することで、高いレジリエンスと一般化能力を示す。
  論文  参考訳（メタデータ） (2022-10-23T00:45:05Z)
• Physics-Inspired Temporal Learning of Quadrotor Dynamics for Accurate Model Predictive Trajectory Tracking [76.27433308688592]
  クオーロタのシステムダイナミクスを正確にモデル化することは、アジャイル、安全、安定したナビゲーションを保証する上で非常に重要です。 本稿では,ロボットの経験から,四重項系の力学を純粋に学習するための新しい物理インスパイアされた時間畳み込みネットワーク(PI-TCN)を提案する。 提案手法は,スパース時間的畳み込みと高密度フィードフォワード接続の表現力を組み合わせて,正確なシステム予測を行う。
  論文  参考訳（メタデータ） (2022-06-07T13:51:35Z)
• End-to-End Learning of Hybrid Inverse Dynamics Models for Precise and Compliant Impedance Control [16.88250694156719]
  剛体力学モデルの物理的に一貫した慣性パラメータを同定できる新しいハイブリッドモデルの定式化を提案する。 7自由度マニピュレータ上での最先端の逆動力学モデルに対する我々のアプローチを比較した。
  論文  参考訳（メタデータ） (2022-05-27T07:39:28Z)
• Gradient-Based Trajectory Optimization With Learned Dynamics [80.41791191022139]
  データからシステムの微分可能なダイナミクスモデルを学習するために、機械学習技術を使用します。 ニューラルネットワークは、大規模な時間的地平線に対して、非常に非線形な振る舞いを正確にモデル化できることが示される。 ハードウェア実験において、学習したモデルがSpotとRadio- controlled (RC)の両方の複雑な力学を表現できることを実証した。
  論文  参考訳（メタデータ） (2022-04-09T22:07:34Z)
• 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)

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。