論文の概要: Trajectory-based actuator identification via differentiable simulation
- arxiv url: http://arxiv.org/abs/2604.10351v2
- Date: Thu, 16 Apr 2026 09:31:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-17 13:43:04.475248
- Title: Trajectory-based actuator identification via differentiable simulation
- Title（参考訳）: 微分可能シミュレーションによる軌道ベースアクチュエータ同定
- Authors: Vyacheslav Kovalev, Ekaterina Chaikovskaia, Egor Davydenko, Roman Gorbachev,
- Abstract要約: 本稿では,システムレベルのアクチュエータモデルに適合させるために,微分可能シミュレーションを用いたトラジェクトリに基づくアクチュエータ同定手法を提案する。
トルクセンサを使わずにシミュレータをバックプロパゲートすることでアクチュエータとシミュレータのパラメータを最適化し、電流/電圧の測定や内蔵モータ制御内部へのアクセスを最適化する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Accurate actuation models are critical for bridging the gap between simulation and real robot behavior, yet obtaining high-fidelity actuator dynamics typically requires dedicated test stands and torque sensing. We present a trajectory-based actuator identification method that uses differentiable simulation to fit system-level actuator models from encoder motion alone. Identification is posed as a trajectory-matching problem: given commanded joint positions and measured joint angles and velocities, we optimize actuator and simulator parameters by backpropagating through the simulator, without torque sensors, current/voltage measurements, or access to embedded motor-control internals. The framework supports multiple model classes, ranging from compact structured parameterizations to neural actuator mappings, within a unified optimization pipeline. On held-out real-robot trajectories for a high-gear-ratio actuator with an embedded PD controller, the proposed torque-sensor-free identification achieves much tighter trajectory alignment than a supervised stand-trained baseline dominated by steady-state data, reducing mean absolute position error from 14.20 mrad to as low as 7.54 mrad (1.88 times). Finally, we demonstrate downstream impact for the same actuator class in a real-robot locomotion study: training policies with the refined actuator model increases travel distance by 46% and reduces rotational deviation by 75% relative to the baseline.
- Abstract（参考訳）: 正確なアクチュエーターモデルはシミュレーションと実際のロボット動作のギャップを埋めるために重要であるが、高忠実度アクチュエーターのダイナミクスを得るには、通常、専用のテストスタンドとトルクセンシングが必要である。
本稿では,エンコーダ動作のみからシステムレベルのアクチュエータモデルに適合させるために,微分可能なシミュレーションを用いた軌道に基づくアクチュエータ同定手法を提案する。
制御された関節位置と測定された関節角度と速度が与えられた場合, センサや電流/電圧測定, 組込みモータ制御内部へのアクセスを必要とせず, シミュレータを通したバックプロパゲーションによりアクチュエータとシミュレータパラメータを最適化する。
このフレームワークは、コンパクトな構造化パラメータ化からニューラルアクチュエータマッピングまで、統一最適化パイプライン内で複数のモデルクラスをサポートしている。
埋込型PDコントローラを備えた高ゲア比アクチュエータ用実ロボット軌道において、提案したトルクセンサレス同定は、定常データに支配される教師付き定常訓練ベースラインよりもはるかに厳密な軌道アライメントを実現し、平均絶対位置誤差を14.20madから7.54mad(1.88倍)まで低減する。
最後に,移動距離を46%増加させ,ベースラインに対して回転偏差を75%減少させることにより,実ロボット移動実験において,同じアクチュエータクラスに対する下流の影響を実証する。
関連論文リスト
- Physics-Informed Reinforcement Learning of Spatial Density Velocity Potentials for Map-Free Racing [73.88859384645264]
Out-Of-Distribution (OOD) の様々なレーストラックへの一般化は、機械学習(ML)を用いて、エンドツーエンド制御のためのセンサデータと車両アクチュエーターの間の数学的関係を符号化する。
本稿では,非幾何学的,物理インフォームド報酬を用いた深度測定のスペクトル分布から非線形車両動特性をパラメータ化して,ニューラルネットワーク(ANN)による車両の時間最適・乗換レース制御を推定するDRL法を提案する。
このポリシーは、経験的なパセジカタイヤモデルに似たタイヤのダイナミックスで摩擦円を最大化することで、OODトラックの12%で人間のデモより優れています。
論文 参考訳（メタデータ） (2026-04-10T17:12:07Z) - Towards Dynamic Model Identification and Gravity Compensation for the dVRK-Si Patient Side Manipulator [6.433947788491395]
最近導入されたdVRK-Siは再設計された患者側マニピュレータ (PSM) を備えており、より大きな重力負荷を備えている。
本稿では,dVRK-Si PSMのためのキネマティックおよび動的モデリングフレームワークについて述べる。
物理的dVRK-Siの実験では、重力補償が定常的な関節の誤差を68-84%減少させることが示された。
論文 参考訳（メタデータ） (2026-03-12T16:06:16Z) - Safe Whole-Body Loco-Manipulation via Combined Model and Learning-based Control [46.47619556874003]
そこで本研究では,マニピュレータアームのモデルベースアプタンス制御と足歩行の強化学習ポリシを組み合わせた全身制御を提案する。
アクセタンスコントローラは、物理的相互作用中に人間によって適用されるような外部レンチを、望ましいエンドエフェクタ速度にマッピングし、従順な振る舞いを可能にする。
6-DoFアームと手首に装着した6-DoF Force/Torqueセンサーを備えたUnitree Go2四足歩行ロボットを用いて,シミュレーションとハードウェアの両方におけるアプローチを検証する。
論文 参考訳（メタデータ） (2026-03-02T22:31:12Z) - PMG: Parameterized Motion Generator for Human-like Locomotion Control [14.637220434597168]
我々は,人間のような動きを1つの統合システムで生成するリアルタイムモーションジェネレータを開発した。
一つの統合システムにおいて、PMGは人間のような自然な動きを生じさせ、高次元の制御入力に正確に応答することを示す。
これらの結果は、自然かつ展開可能なヒューマノイド制御への実践的で実験的に検証された経路を確立する。
論文 参考訳（メタデータ） (2026-02-13T06:38:04Z) - Tilt-Ropter: A Novel Hybrid Aerial and Terrestrial Vehicle with Tilt Rotors and Passive Wheels [13.687917750845303]
航空・地球ハイブリッド車(HATV)Tilt-Ropterについて紹介する。
ティルト・ロプターの完全作動式設計は、離間力とトルク制御を可能にする。
その結果,地中移動時の消費電力は92.8%減少した。
論文 参考訳（メタデータ） (2026-02-02T06:15:33Z) - Dual-quaternion learning control for autonomous vehicle trajectory tracking with safety guarantees [39.146761527401424]
運動を運動論的に記述できる自律型ロボットプラットフォームのための学習型軌道追跡制御器を提案する。
コントローラは二重四元数フレームワークで定式化され、角速度と直線速度の直接の指令を仮定して速度レベルで動作する。
論文 参考訳（メタデータ） (2026-01-06T15:30:02Z) - Data-Driven Dynamic Parameter Learning of manipulator robots [0.8679862302950613]
動的パラメータ推定のためのトランスフォーマーに基づく手法を提案する。
データセットは、8,192個のロボットで構成され、慣性および摩擦特性は様々である。
我々のモデルは時間的および空間的依存の両方を効果的に捉えている。
論文 参考訳（メタデータ） (2025-12-09T16:15:58Z) - Trajeglish: Traffic Modeling as Next-Token Prediction [67.28197954427638]
自動運転開発における長年の課題は、記録された運転ログからシードされた動的運転シナリオをシミュレートすることだ。
車両、歩行者、サイクリストが運転シナリオでどのように相互作用するかをモデル化するために、離散シーケンスモデリングのツールを適用します。
我々のモデルはSim Agents Benchmarkを上回り、リアリズムメタメトリックの先行作業の3.3%、インタラクションメトリックの9.9%を上回ります。
論文 参考訳（メタデータ） (2023-12-07T18:53:27Z) - VAE-Loco: Versatile Quadruped Locomotion by Learning a Disentangled Gait
Representation [78.92147339883137]
本研究では,特定の歩行を構成する主要姿勢位相を捕捉する潜在空間を学習することにより,制御器のロバスト性を高めることが重要であることを示す。
本研究では,ドライブ信号マップの特定の特性が,歩幅,歩幅,立位などの歩行パラメータに直接関係していることを示す。
生成モデルを使用することで、障害の検出と緩和が容易になり、汎用的で堅牢な計画フレームワークを提供する。
論文 参考訳（メタデータ） (2022-05-02T19:49:53Z) - Online Body Schema Adaptation through Cost-Sensitive Active Learning [63.84207660737483]
この作業は、icubロボットシミュレータの7dofアームを使用して、シミュレーション環境で実行された。
コストに敏感な能動学習手法は最適な関節構成を選択するために用いられる。
その結果,コスト依存型能動学習は標準的な能動学習手法と同等の精度を示し,実行運動の約半分を減らした。
論文 参考訳（メタデータ） (2021-01-26T16:01:02Z)
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。