論文の概要: A Co-Design Framework for High-Performance Jumping of a Five-Bar Monoped with Actuator Optimization

• arxiv url: http://arxiv.org/abs/2604.06025v1
• Date: Tue, 07 Apr 2026 16:21:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-08 17:42:09.923527
• Title: A Co-Design Framework for High-Performance Jumping of a Five-Bar Monoped with Actuator Optimization
• Title（参考訳）: アクチュエータ最適化を用いた5バー単板の高速跳躍用共設計フレームワーク
• Authors: Aastha Mishra, Aman Singh, Shishir Kolathaya,
• Abstract要約: メカニカルデザイン, モータ, ギアボックスパラメータ, 動的跳躍の制御パラメータを共同で最適化する平面閉鎖5バーモノペットの共設計フレームワークを提案する。 その結果,ジャンプ距離が約42%向上し,機械的エネルギー消費が15.8%減少した。
• 参考スコア（独自算出の注目度）: 5.086339230221755
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The performance of legged robots depends strongly on both mechanical design and control, motivating co-design approaches that jointly optimize these parameters. However, most existing co-design studies focus on optimizing link dimensions and transmission ratios while neglecting detailed actuator design, particularly motor and gearbox parameter optimization, and are largely limited to serial open-chain mechanisms. In this work, we present a co-design framework for a planar closed-chain five-bar monoped that jointly optimizes mechanical design, motor and gearbox parameters, and control parameters for dynamic jumping. The objective is to maximize jump distance while minimizing mechanical energy consumption. The framework uses a two-stage optimization approach, where actuator optimization generates a mapping from gear ratio to actuator mass, efficiency, and peak torque, which is then used in co-design optimization of the robot design and control using CMA-ES. Simulation results show an improvement of approximately 42% in jump distance and a 15.8% reduction in mechanical energy consumption compared to a nominal design, demonstrating the effectiveness of the proposed framework in identifying optimal design, actuator, and control parameters for high-performance and energy-efficient planar jumping.
• Abstract（参考訳）: 脚付きロボットの性能は機械設計と制御の両方に強く依存しており、これらのパラメータを協調的に最適化する共同設計アプローチを動機付けている。 しかし、既存の共同設計研究の多くは、詳細なアクチュエータ設計、特にモータとギアボックスパラメータの最適化を無視しながら、リンク寸法と伝送比の最適化に重点を置いている。 本研究では, メカニカルデザイン, モータ, ギアボックスパラメータ, 動的ジャンプの制御パラメータを協調的に最適化する, 平面閉鎖5バーモノペットの協調設計フレームワークを提案する。 目的は、機械的エネルギー消費を最小化しながらジャンプ距離を最大化することである。 このフレームワークは2段階の最適化手法を用いており、アクチュエータ最適化はギア比からアクチュエータ質量、効率、ピークトルクへのマッピングを生成し、ロボット設計とCMA-ESを用いた制御の共設計最適化に使用される。 シミュレーションの結果, ジャンプ距離が約42%向上し, 機械的エネルギー消費が15.8%減少し, 最適設計, アクチュエータ, 制御パラメータを同定する上で, 提案手法の有効性が示された。

関連論文リスト

• Efficient and Versatile Quadrupedal Skating: Optimal Co-design via Reinforcement Learning and Bayesian Optimization [8.969390069418777]
  本研究では、受動車輪を備えた四足歩行ロボット上で、効率的で多目的なローラースケートを可能にするハードウェア制御協調設計手法を提案する。 パッシブホイールスケートは脚の慣性を減少させ、特に高速でエネルギー効率を向上させる。
  論文  参考訳（メタデータ） (2026-03-19T02:12:50Z)
• Energy-Efficient Omnidirectional Locomotion for Wheeled Quadrupeds via Predictive Energy-Aware Nominal Gait Selection [17.713242307107166]
  本稿では,車輪付き四足歩行ロボットの全方向効率を最適化するために,予測パワーモデリングと残留強化学習を統合した階層型制御フレームワークを提案する。 提案手法では,1秒の地平線上での歩行パターンの異なるエネルギー消費を予測できる新しい電力予測ネットワークを用いる。 強化学習ポリシーは、この名目歩行に残留的な調整を生成し、エネルギー効率と性能目標とのバランスをとるためのロボットの動作を微調整する。
  論文  参考訳（メタデータ） (2025-12-23T09:56:35Z)
• Bayesian Optimization for Automatic Tuning of Torque-Level Nonlinear Model Predictive Control [2.907225673486874]
  本稿では,トルクに基づくモデル予測制御(nMPC)のための自動チューニングフレームワークを提案する。 MPCは、最適な関節トルクコマンドのためのリアルタイムコントローラとして機能する。
  論文  参考訳（メタデータ） (2025-12-03T13:19:42Z)
• Efficient Design of Compliant Mechanisms Using Multi-Objective Optimization [50.24983453990065]
  そこで本研究では,大きな角状脳卒中を許容できる適合型クロスヒンジ機構の合成について述べる。 キネトスタティックな性能測定に基づいて,多目的最適化問題を定式化する。
  論文  参考訳（メタデータ） (2025-04-23T06:29:10Z)
• Structural Optimization of Lightweight Bipedal Robot via SERL [6.761861053481078]
  本稿では,移動課題の強化学習と進化アルゴリズムを組み合わせたSERL(Structure Evolution Reinforcement Learning)アルゴリズムを提案する。 We designed a bipedal robot called Wow Orin, where the optimal leg length are obtained through optimization based on body structure and motor Turk。
  論文  参考訳（メタデータ） (2024-08-28T08:34:05Z)
• Data-Model-Circuit Tri-Design for Ultra-Light Video Intelligence on Edge Devices [90.30316433184414]
  本稿では,HDビデオストリーム上での高スループット,低コスト,高精度MOTのためのデータモデル・ハードウエア・トリデザイン・フレームワークを提案する。 現状のMOTベースラインと比較して、我々の三設計アプローチは12.5倍の遅延低減、20.9倍のフレームレート改善、5.83倍の低消費電力、9.78倍のエネルギー効率を実現でき、精度は低下しない。
  論文  参考訳（メタデータ） (2022-10-16T16:21:40Z)
• Faster Attention Is What You Need: A Fast Self-Attention Neural Network Backbone Architecture for the Edge via Double-Condensing Attention Condensers [71.40595908386477]
  本稿では,2重対向対向対向対向対向対向対向対向対向対向対向対向対向対向対向対向対向対向対向対向対向対向対向対向対向対向対向対向対向対向対向対向対向対向対向対向対向対向対向対向対向対向対向 結果のバックボーン(AttendNeXtと呼ぶ)は、組み込みARMプロセッサ上で大幅に高い推論スループットを実現する。 これらの有望な結果は、さまざまな効率的なアーキテクチャ設計と自己アテンション機構の探索が、TinyMLアプリケーションのための興味深い新しいビルディングブロックにつながることを実証している。
  論文  参考訳（メタデータ） (2022-08-15T02:47:33Z)
• Deep Learning-Based Inverse Design for Engineering Systems: Multidisciplinary Design Optimization of Automotive Brakes [2.362412515574206]
  Apparent piston travel (APT) とドラッグトルクは、ブレーキ性能を評価する上で最も代表的な要因である。 近年,ディープラーニング (DL) を用いた逆設計の研究により, 最適設計を瞬時に生成する可能性が確立されている。 MIDは、精度と計算コストの観点から、単系統の逆設計と同じような性能を達成した。
  論文  参考訳（メタデータ） (2022-02-27T08:29:50Z)
• Adaptive pruning-based optimization of parameterized quantum circuits [62.997667081978825]
  Variisyハイブリッド量子古典アルゴリズムは、ノイズ中間量子デバイスの使用を最大化する強力なツールである。 我々は、変分量子アルゴリズムで使用されるそのようなアンサーゼを「効率的な回路訓練」(PECT)と呼ぶ戦略を提案する。 すべてのアンサッツパラメータを一度に最適化する代わりに、PECTは一連の変分アルゴリズムを起動する。
  論文  参考訳（メタデータ） (2020-10-01T18:14:11Z)
• Bayesian Optimization for Selecting Efficient Machine Learning Models [53.202224677485525]
  本稿では,予測効率とトレーニング効率の両面において,モデルを協調最適化するための統一ベイズ最適化フレームワークを提案する。 レコメンデーションタスクのためのモデル選択の実験は、この方法で選択されたモデルがモデルのトレーニング効率を大幅に改善することを示している。
  論文  参考訳（メタデータ） (2020-08-02T02:56:30Z)

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。