論文の概要: Learning Actuator-Aware Spectral Submanifolds for Precise Control of Continuum Robots

• arxiv url: http://arxiv.org/abs/2603.23044v1
• Date: Tue, 24 Mar 2026 10:30:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-25 19:53:37.432743
• Title: Learning Actuator-Aware Spectral Submanifolds for Precise Control of Continuum Robots
• Title（参考訳）: 連続ロボットの精密制御のためのアクチュエータ・スペクトル部分多様体の学習
• Authors: Paul Leonard Wolff, Hugo Buurmeijer, Luis Pabon, John Irvin Alora, Mark Leone, Roshan S. Kaundinya, Amirhossein Kazemipour, Robert K. Katzschmann, Marco Pavone,
• Abstract要約: スペクトルサブマニフォールド(SSM)の低減は高次元非線形力学系を減少させる主要な方法として浮上している。 提案する制御拡張SSM(caSSM)は,制御入力を状態表現に明示的に組み込むことにより,この方法論を拡張した。 テンポン駆動トランクロボットのための小型caSSMモデルを学習し、リアルタイム制御を可能にし、オープンループ予測誤差を40%削減する。
• 参考スコア（独自算出の注目度）: 19.58974397801075
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Continuum robots exhibit high-dimensional, nonlinear dynamics which are often coupled with their actuation mechanism. Spectral submanifold (SSM) reduction has emerged as a leading method for reducing high-dimensional nonlinear dynamical systems to low-dimensional invariant manifolds. Our proposed control-augmented SSMs (caSSMs) extend this methodology by explicitly incorporating control inputs into the state representation, enabling these models to capture nonlinear state-input couplings. Training these models relies solely on controlled decay trajectories of the actuator-augmented state, thereby removing the additional actuation-calibration step commonly needed by prior SSM-for-control methods. We learn a compact caSSM model for a tendon-driven trunk robot, enabling real-time control and reducing open-loop prediction error by 40% compared to existing methods. In closed-loop experiments with model predictive control (MPC), caSSM reduces tracking error by 52%, demonstrating improved performance against Koopman and SSM based MPC and practical deployability on hardware continuum robots.
• Abstract（参考訳）: 連続ロボットは高次元の非線形力学を示し、その運動機構と結合することが多い。 スペクトル部分多様体(SSM)の還元は、高次元の非線形力学系を低次元不変多様体に還元する主要な方法として登場した。 提案する制御拡張SSM(caSSM)は,制御入力を状態表現に明示的に組み込むことで,非線形状態-入力結合を捉えることができる。 これらのモデルの訓練は、アクチュエータ拡張状態の制御された減衰軌道のみに依存するため、以前のSSM-for-control法で一般的に必要とされるアクティベーション・キャリブレーションのステップが取り除かれる。 我々は,腱駆動トランクロボットの小型caSSMモデルを学習し,従来の方法と比較して,リアルタイム制御とオープンループ予測誤差を40%削減する。 モデル予測制御(MPC)を用いたクローズドループ実験では、caSSMはトラッキングエラーを52%削減し、KoopmanとSSMベースのMPCに対する性能改善とハードウェア連続体ロボットの実用的デプロイ性を示す。

関連論文リスト

• ACLM: ADMM-Based Distributed Model Predictive Control for Collaborative Loco-Manipulation [9.708461585583791]
  重荷のロコ操作による共同輸送は、脚のあるロボットにとって難しいが必須の能力である。 本研究は,ロコマニピュレーションのための分散モデル予測制御フレームワークであるマルチプライアの交互方向法を提案する。
  論文  参考訳（メタデータ） (2026-03-07T08:06:51Z)
• Accelerating Sampling-Based Control via Learned Linear Koopman Dynamics [4.946483489399818]
  本稿では、複雑な非線形力学を持つシステムに対する効率的なモデル予測経路積分(MPPI)制御フレームワークを提案する。 軌道伝播に使用される非線形ダイナミクスを学習された線形深度クープマン作用素(DKO)モデルに置き換え、より高速なロールアウトとより効率的な軌道サンプリングを可能にする。 コントローラはMPPI-DKと呼ばれ、四足歩行ロボットの基準追跡実験を通じてハードウェア上で検証される。
  論文  参考訳（メタデータ） (2026-03-05T17:15:52Z)
• Data-Driven Control of a Magnetically Actuated Fish-Like Robot [2.5782420501870296]
  磁力で動く魚のようなロボットは、小型化と機敏さのために水中探査に有望なソリューションを提供する。 本稿では、解析モデルに頼ることなく、これらの複雑さに対処するデータ駆動制御フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-03-05T04:08:08Z)
• Nonlinear Spectral Modeling and Control of Soft-Robotic Muscles from Data [6.770726279203919]
  水圧静電アクチュエータ(HASEL)は高性能だが、記憶効果と筋骨格効果を示す。 本稿では、スペクトル部分多様体(SSM)理論に基づくデータ駆動還元制御戦略を提案する。 対角的HASELクラッチ接合部をリアルタイムに制御するためのSSMモデルを構築した。
  論文  参考訳（メタデータ） (2026-01-06T18:43:49Z)
• Learning to Dissipate Energy in Oscillatory State-Space Models [51.98491034847041]
  状態空間モデル (SSM) はシーケンス学習のためのネットワークのクラスである。 我々は,D-LinOSSがLinOSSの手法を長距離学習タスクで一貫して上回っていることを示す。
  論文  参考訳（メタデータ） (2025-05-17T23:15:17Z)
• Diffusion Predictive Control with Constraints [51.91057765703533]
  拡散予測制御(Diffusion predictive control with constraints,DPCC)は、拡散に基づく制御のアルゴリズムである。 DPCCは,新しいテスト時間制約を満たすために,既存の手法よりも優れた性能を示すロボットマニピュレータのシミュレーションを通して示す。
  論文  参考訳（メタデータ） (2024-12-12T15:10:22Z)
• Data-driven Nonlinear Model Reduction using Koopman Theory: Integrated Control Form and NMPC Case Study [56.283944756315066]
  そこで本研究では,遅延座標符号化と全状態復号化を組み合わせた汎用モデル構造を提案し,Koopmanモデリングと状態推定を統合した。 ケーススタディでは,本手法が正確な制御モデルを提供し,高純度極低温蒸留塔のリアルタイム非線形予測制御を可能にすることを実証している。
  論文  参考訳（メタデータ） (2024-01-09T11:54:54Z)
• End-to-End Reinforcement Learning of Koopman Models for Economic Nonlinear Model Predictive Control [45.84205238554709]
  本研究では, (e)NMPCの一部として最適性能を示すために, Koopman シュロゲートモデルの強化学習法を提案する。 エンドツーエンドトレーニングモデルは,(e)NMPCにおけるシステム識別を用いてトレーニングしたモデルよりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-08-03T10:21:53Z)
• Data-driven Control of Agent-based Models: an Equation/Variable-free Machine Learning Approach [0.0]
  複雑/マルチスケールシステムの集合力学を制御するための方程式/変数自由機械学習(EVFML)フレームワークを提案する。 提案手法は3段階からなる: (A) 高次元エージェントベースシミュレーション、機械学習(特に非線形多様体学習(DM)) 創発力学の数値分岐解析を行うために方程式のない手法を用いる。 我々は,エージェントをベースとしたシミュレータを本質的で不正確に知られ,創発的なオープンループ定常状態に駆動する,データ駆動型組込み洗浄制御器を設計する。
  論文  参考訳（メタデータ） (2022-07-12T18:16:22Z)

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。