論文の概要: A Flow Matching Framework for Soft-Robot Inverse Dynamics
- arxiv url: http://arxiv.org/abs/2604.03006v1
- Date: Fri, 03 Apr 2026 12:45:46 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-06 17:20:24.472262
- Title: A Flow Matching Framework for Soft-Robot Inverse Dynamics
- Title（参考訳）: ソフトロボット逆ダイナミクスのためのフローマッチングフレームワーク
- Authors: Hang Yang, Fangju Yang, Yangming Zhang, Ibrahim Alsarraj, Yuhao Wang, Zhenye Luo, Zixi Chen, Ke Wu,
- Abstract要約: オープンループフィードフォワード制御のための逆力学フレームワークは、生成トランスポートマップとしてシステムの微分力学を学習する。
作業は、ソフトロボットシステムにおいて、微分逆ダイナミクスを学習するための堅牢で高性能なパラダイムとしてフローマッチングを実証する。
- 参考スコア（独自算出の注目度）: 13.045225329973617
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Learning the inverse dynamics of soft continuum robots remains challenging due to high-dimensional nonlinearities and complex actuation coupling. Conventional feedback-based controllers often suffer from control chattering due to corrective oscillations, while deterministic regression-based learners struggle to capture the complex nonlinear mappings required for accurate dynamic tracking. Motivated by these limitations, we propose an inverse-dynamics framework for open-loop feedforward control that learns the system's differential dynamics as a generative transport map. Specifically, inverse dynamics is reformulated as a conditional flow-matching problem, and Rectified Flow (RF) is adopted as a lightweight instance to generate physically consistent control inputs rather than conditional averages. Two variants are introduced to further enhance physical consistency: RF-Physical, utilizing a physics-based prior for residual modeling; and RF-FWD, integrating a forward-dynamics consistency loss during flow matching. Extensive evaluations demonstrate that our framework reduces trajectory tracking RMSE by over 50% compared to standard regression baselines (MLP, LSTM, Transformer). The system sustains stable open-loop execution at a peak end-effector velocity of 1.14 m/s with sub-millisecond inference latency (0.995 ms). This work demonstrates flow matching as a robust, high-performance paradigm for learning differential inverse dynamics in soft robotic systems.
- Abstract（参考訳）: ソフト連続ロボットの逆ダイナミクスの学習は、高次元非線形性と複雑なアクチュエータ結合のため、依然として困難である。
従来のフィードバックベースのコントローラは、補正振動による制御の混乱に悩まされることが多いが、決定論的回帰に基づく学習者は、正確な動的追跡に必要な複雑な非線形マッピングを捉えるのに苦労する。
これらの制約に感化されて、生成輸送マップとしてシステムの微分力学を学習するオープンループフィードフォワード制御のための逆力学フレームワークを提案する。
具体的には、逆ダイナミクスを条件流整合問題として再構成し、整流流(RF)を軽量なインスタンスとして採用し、条件平均よりも物理的に一貫した制御入力を生成する。
物理的整合性をさらに向上するために2つの変種が導入された: RF-Physical、残留モデリングに物理に基づく事前利用、および RF-FWD、フローマッチング中に前方力学の整合性損失を統合する。
その結果,我々のフレームワークは,標準回帰ベースライン(MLP,LSTM,Transformer)と比較して,RMSEの軌道追跡を50%以上削減できることがわかった。
このシステムは1.14m/sのピークエンドエフェクタ速度で安定なオープンループ実行を維持し、ミリ秒以下の推論遅延(0.995ms)を持つ。
この研究は、ソフトロボットシステムにおいて、微分逆ダイナミクスを学習するための堅牢で高性能なパラダイムとしてフローマッチングを実証する。
関連論文リスト
- Intelligent Control of Differential Drive Robots Subject to Unmodeled Dynamics with EKF-based State Estimation [28.37226750522601]
この研究は、リアプノフに基づく非線形コントローラと適応ネットワーク(ANN)を組み合わせた統一制御と状態推定フレームワークを導入する。
提案した制御器はニューラルネットワークの普遍近似特性を利用して未知の非線形性をリアルタイムでモデル化する。
堅牢な状態推定を保証するため、EKFは単分子、2D-LiDARおよびホイールエンコーダから慣性測定ユニット(IMU)とオドメトリーを融合させる。
論文 参考訳（メタデータ） (2026-03-16T07:44:28Z) - Alternating Gradient Flow Utility: A Unified Metric for Structural Pruning and Dynamic Routing in Deep Networks [52.153950303594684]
交互勾配流(Alternating Gradient Flow, AGF)に着想を得た非結合型運動パラダイムを提案する。
AGFはネットワークの構造的「運動ユーティリティ」を正確にキャプチャする
我々は、AGFに誘導されるオフライン構造探索を、ゼロコストの物理プリミティブを介してオンライン実行から切り離すハイブリッドルーティングフレームワークを設計する。
論文 参考訳（メタデータ） (2026-03-12T18:19:21Z) - Hybrid Model Predictive Control with Physics-Informed Neural Network for Satellite Attitude Control [2.7222301668137483]
信頼性の高い宇宙船の姿勢制御は、姿勢力学の正確な予測に依存する。
複雑な力学を持つ宇宙船では、正確な物理モデルを得るのは難しい、時間を要する、あるいは計算的に重い。
本研究では、宇宙船の姿勢力学をモデル化するための物理情報ニューラルネットワーク(PINN)について検討する。
論文 参考訳（メタデータ） (2026-02-17T19:08:48Z) - WFR-FM: Simulation-Free Dynamic Unbalanced Optimal Transport [17.9375439076052]
既存のWFRソルバは不安定で、計算コストが高く、スケールが難しいことが多い。
本稿では,WFRフローマッチング(WFR-FM)について紹介する。
実験的に、WFR-FMは単細胞生物学においてより正確で堅牢な軌道推定をもたらす。
論文 参考訳（メタデータ） (2026-01-11T08:48:08Z) - 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) - AERMANI-Diffusion: Regime-Conditioned Diffusion for Dynamics Learning in Aerial Manipulators [2.376629619475859]
空力マニピュレータは、慣性結合力と空力の迅速かつ構成に依存した変化を行う。
条件付き拡散プロセスと軽量時間エンコーダを用いて残留力の完全な分布をモデル化する状態条件拡散フレームワークを提案する。
論文 参考訳（メタデータ） (2025-12-11T16:10:32Z) - Drift No More? Context Equilibria in Multi-Turn LLM Interactions [58.69551510148673]
コンテキストドリフト(Contexts drift)とは、ターン間のゴール一貫性のある振る舞いからモデルが出力する出力の段階的なばらつきである。
シングルターンエラーとは異なり、ドリフトは時間的に展開し、静的な評価指標では捉えにくい。
マルチターンドリフトは、避けられない崩壊というよりも、制御可能な平衡現象として理解できることを示す。
論文 参考訳（メタデータ） (2025-10-09T04:48:49Z) - ReCoM: Realistic Co-Speech Motion Generation with Recurrent Embedded Transformer [58.49950218437718]
音声に同期した高忠実で一般化可能な人体動作を生成するための効率的なフレームワークであるReCoMを提案する。
Recurrent Embedded Transformer (RET)は、動的埋め込み正規化(DER)をViT(Vit)コアアーキテクチャに統合する。
モデルロバスト性を高めるため,ノイズ抵抗とクロスドメイン一般化の二重性を持つモデルに,提案したDER戦略を取り入れた。
論文 参考訳（メタデータ） (2025-03-27T16:39:40Z) - 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) - Feedback-induced instabilities and dynamics in the Jaynes-Cummings model [62.997667081978825]
時間遅延コヒーレントフィードバックを受けるJaynes-Cummingsモデルのコヒーレンスと定常状態特性について検討する。
導入されたフィードバックは、システムの動的応答と定常量子特性を質的に修正する。
論文 参考訳（メタデータ） (2020-06-20T10:07:01Z)
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。