論文の概要: Learning Racket-Ball Bounce Dynamics Across Diverse Rubbers for Robotic Table Tennis

• arxiv url: http://arxiv.org/abs/2604.11349v1
• Date: Mon, 13 Apr 2026 11:47:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-14 20:13:16.510526
• Title: Learning Racket-Ball Bounce Dynamics Across Diverse Rubbers for Robotic Table Tennis
• Title（参考訳）: ロボットテーブルテニス用横ゴムのラケットボールバウンスダイナミクスの学習
• Authors: Thomas Gossard,
• Abstract要約: 10個のラケット構成にまたがるボール-ラケット相互作用をモデル化するための統一的なフレームワークを提案する。 広範囲のインシデント速度とスピンにまたがるラケットボールバウンスのデータセットを収集します。 提案手法は, すべてのラケットタイプにおいて, 衝撃後速度とスピン予測誤差を低減し, 非標準ゴムの最大改良点である。
• 参考スコア（独自算出の注目度）: 5.245633032900991
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Accurate dynamic models for racket-ball bounces are essential for reliable control in robotic table tennis. Existing models typically assume simple linear models and are restricted to inverted rubbers, limiting their ability to generalize across the wide variety of rackets encountered in practice. In this work, we present a unified framework for modeling ball-racket interactions across 10 racket configurations featuring different rubber types, including inverted, anti-spin, and pimpled surfaces. Using a high-speed multi-camera setup with spin estimation, we collect a dataset of racket-ball bounces spanning a broad range of incident velocities and spins. We show that key physical parameters governing rebound, such as the Coefficient of Restitution and tangential impulse response, vary systematically with the impact state and differ significantly across rubbers. To capture these effects while preserving physical interpretability, we estimate the parameters of an impulse-based contact model using Gaussian Processes conditioned on the ball's incoming velocity and spin. The resulting model provides both accurate predictions and uncertainty estimations. Compared to the constant parameter baselines, our approach reduces post-impact velocity and spin prediction errors across all racket types, with the largest improvements observed for nonstandard rubbers. Furthermore, the GP-based model enables online identification of racket dynamics with few observations during gameplay.
• Abstract（参考訳）: ラケットボールバウンスに対する正確な動的モデルは、ロボット卓球における信頼性の高い制御に不可欠である。 既存のモデルは、通常単純な線形モデルを想定し、反転ゴムに制限され、実際に遭遇する様々なラケットを一般化する能力を制限する。 本研究では, 逆, 反スピン, 単純面を含むゴムの異なる10種類のラケット構成において, ボール・ラケット相互作用をモデル化するための統一的な枠組みを提案する。 スピン推定を用いた高速マルチカメラ装置を用いて、幅広い入射速度とスピンにまたがるラケットボールバウンスのデータセットを収集する。 本研究では,リバウンドを規定する重要な物理パラメータ,例えば再生係数(Coefficient of Restitution)や接順インパルス応答は,衝撃状態によって系統的に変化し,ゴム間で大きく異なることを示す。 物理的解釈可能性を維持しながらこれらの効果を捉えるために,ボールの入射速度とスピンに条件付きガウス過程を用いてインパルスベース接触モデルのパラメータを推定する。 得られたモデルは正確な予測と不確実性推定の両方を提供する。 本手法は, 定数パラメータベースラインと比較して, 全てのラケットタイプにおいて, 衝撃後速度とスピン予測誤差を低減し, 非標準ゴムでは最大の改善が見られた。 さらに,GPベースのモデルにより,ゲームプレイ中にはほとんど観測されていないラケットダイナミクスのオンライン識別が可能となった。

関連論文リスト

• Toward Personalized Darts Training: A Data-Driven Framework Based on Skeleton-Based Biomechanical Analysis and Motion Modeling [8.715408426200264]
  本稿では,データ駆動型ダーツ訓練支援システムを提案する。 このシステムは、モーションキャプチャー、機能モデリング、パーソナライズされたフィードバックにまたがるクローズドループフレームワークを作成する。 トランクの安定性の低下、肘の異常な変位、速度制御の不均衡を検知し、目標とする推奨を提供する。
  論文  参考訳（メタデータ） (2026-04-01T16:51:30Z)
• 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)
• ShuttleSHAP: A Turn-Based Feature Attribution Approach for Analyzing Forecasting Models in Badminton [52.21869064818728]
  バドミントンにおけるプレイヤー戦術予測のための深層学習アプローチは、部分的にはラリープレイヤの相互作用に関する効果的な推論に起因する有望なパフォーマンスを示している。 本稿では,Shapley値の変量に基づいてバドミントンにおける予測モデルを解析するためのターンベース特徴属性手法であるShuttleSHAPを提案する。
  論文  参考訳（メタデータ） (2023-12-18T05:37:51Z)
• Black-Box vs. Gray-Box: A Case Study on Learning Table Tennis Ball Trajectory Prediction with Spin and Impacts [12.103456313315764]
  本稿では,テーブル球の軌道フィルタリングと予測手法を提案する。 我々は,ボールの初期条件を推測するダイナミックスモデル,拡張カルマンフィルタ,ニューラルモデルのパラメータをデータを用いて学習する。
  論文  参考訳（メタデータ） (2023-05-24T14:28:22Z)
• Capturing dynamical correlations using implicit neural representations [85.66456606776552]
  実験データから未知のパラメータを復元するために、モデルハミルトンのシミュレーションデータを模倣するために訓練されたニューラルネットワークと自動微分を組み合わせた人工知能フレームワークを開発する。 そこで本研究では, 実時間から多次元散乱データに適用可能な微分可能なモデルを1回だけ構築し, 訓練する能力について述べる。
  論文  参考訳（メタデータ） (2023-04-08T07:55:36Z)
• 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)
• Firearm Detection via Convolutional Neural Networks: Comparing a Semantic Segmentation Model Against End-to-End Solutions [68.8204255655161]
  武器の脅威検出とライブビデオからの攻撃的な行動は、潜在的に致命的な事故の迅速検出と予防に使用できる。 これを実現する一つの方法は、人工知能と、特に画像分析のための機械学習を使用することです。 従来のモノリシックなエンド・ツー・エンドのディープラーニングモデルと、セマンティクスセグメンテーションによって火花を検知する単純なニューラルネットワークのアンサンブルに基づく前述したモデルを比較した。
  論文  参考訳（メタデータ） (2020-12-17T15:19:29Z)
• Rethinking the Hyperparameters for Fine-tuning [78.15505286781293]
  事前訓練されたImageNetモデルからの微調整は、様々なコンピュータビジョンタスクのデファクトスタンダードとなっている。 ファインチューニングの現在のプラクティスは、通常、ハイパーパラメータのアドホックな選択を選択することである。 本稿では、微調整のためのハイパーパラメータの設定に関するいくつかの一般的なプラクティスを再検討する。
  論文  参考訳（メタデータ） (2020-02-19T18:59:52Z)

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。