論文の概要: Evolving the Complete Muscle: Efficient Morphology-Control Co-design for Musculoskeletal Locomotion

• arxiv url: http://arxiv.org/abs/2604.12855v1
• Date: Tue, 14 Apr 2026 15:06:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-15 19:11:32.527359
• Title: Evolving the Complete Muscle: Efficient Morphology-Control Co-design for Musculoskeletal Locomotion
• Title（参考訳）: 完全筋の発達 : 筋骨格運動に対する効率的な形態・コントロールの共設計
• Authors: Lidong Sun, Wentao Zhao, Ye Wang, Huaping Liu, Fuchun Sun,
• Abstract要約: 筋骨格系の形態と制御の協調設計に焦点をあてる。 筋力,速度,硬さを同時に進化させる完全筋骨格形態進化空間を導入する。 本手法は, 固定形態学や標準進化ベースラインと比較して, 学習効率と移動安定性が優れていることを示す。
• 参考スコア（独自算出の注目度）: 36.2932241309361
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Musculoskeletal robots offer intrinsic compliance and flexibility, providing a promising paradigm for versatile locomotion. However, existing research typically relies on models with fixed muscle physiological parameters. This static physical setting fails to accommodate the diverse dynamic demands of complex tasks, inherently limiting the robot's performance upper bound. In this work, we focus on the morphology and control co-design of musculoskeletal systems. Unlike previous studies that optimize single physiological attributes such as stiffness, we introduce a Complete Musculoskeletal Morphological Evolution Space that simultaneously evolves muscle strength, velocity, and stiffness. To overcome the exponential expansion of the exploration space caused by this comprehensive evolution, we propose Spectral Design Evolution (SDE), a high-efficiency co-optimization framework. By integrating a bilateral symmetry prior with Principal Component Analysis (PCA), SDE projects complex muscle parameters onto a low-dimensional spectral manifold, enabling efficient morphological exploration. Evaluated on the MyoSuite framework across four tasks (Walk, Stair, Hilly, and Rough terrains), our method demonstrates superior learning efficiency and locomotion stability compared to fixed-morphology and standard evolutionary baselines.
• Abstract（参考訳）: 筋骨格ロボットは本質的なコンプライアンスと柔軟性を提供し、多目的移動のための有望なパラダイムを提供する。 しかし、既存の研究は通常、固定された筋肉の生理的パラメータを持つモデルに依存している。 この静的な物理的な設定は、複雑なタスクの多様な動的要求を満たすことができず、本質的にはロボットの性能上界を制限する。 本研究では,筋骨格系の形態と制御の協調設計に焦点をあてる。 硬さなどの単一生理特性を最適化する以前の研究とは異なり、筋力、速度、硬さを同時に進化させる完全筋骨格形態進化空間を導入する。 このような包括的進化による探索空間の指数的拡大を克服するために,高効率な共最適化フレームワークであるスペクトル設計進化(SDE)を提案する。 主成分分析(PCA)に先立って両側対称性を統合することにより、SDEは複雑な筋肉パラメータを低次元のスペクトル多様体に投影し、効率的な形態学的探索を可能にする。 提案手法は,4つのタスク(Walk,Stair,Hilly,Roughの地形)にまたがるMyoSuiteフレームワークを用いて評価し,固定形態学や標準的な進化ベースラインに比べて学習効率と移動安定性が優れていることを示した。

関連論文リスト

• Scaling Whole-Body Human Musculoskeletal Behavior Emulation for Specificity and Diversity [11.002363474183683]
  バイオメカニカルに接地した全身運動再生のための大規模並列筋骨格計算フレームワークを提案する。 ダンス、カートホイール、バックフリップなどの高度なダイナミックなタスクに対して、高い関節角度の精度と身体位置のアライメントを実現する。 この研究は、人間の運動の具体的制御の根底にある特異性と多様性を分析するための、抽出可能な計算経路を確立する。
  論文  参考訳（メタデータ） (2026-03-31T06:55:10Z)
• Scalable Spatio-Temporal SE(3) Diffusion for Long-Horizon Protein Dynamics [51.85385061275941]
  分子動力学(MD)シミュレーションは、タンパク質動力学研究のゴールドスタンダードのままである。 近年の生成モデルではシミュレーションの加速が期待できるが、長軸生成に苦慮している。 物理的に可塑性なタンパク質軌道をマイクロスケールの時間スケールで生成する拡張拡散モデルSTAR-MDを提案する。
  論文  参考訳（メタデータ） (2026-02-02T14:13:28Z)
• 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)
• BodyGen: Advancing Towards Efficient Embodiment Co-Design [33.072802665855626]
  エボディメントの共同設計は、ロボットの形態と制御ポリシーを同時に最適化することを目的としている。 設計と制御の両方にトポロジを意識した自己アテンションを利用するBodyGenを提案する。 Bodyは最先端のベースラインに対して平均60.03%のパフォーマンス改善を実現している。
  論文  参考訳（メタデータ） (2025-03-01T15:25:42Z)
• MS-MANO: Enabling Hand Pose Tracking with Biomechanical Constraints [50.61346764110482]
  筋骨格系と学習可能なパラメトリックハンドモデルMANOを統合し,MS-MANOを作成する。 このモデルは骨格系を駆動する筋肉と腱の力学をエミュレートし、結果として生じるトルク軌跡に生理学的に現実的な制約を与える。 また,マルチ層パーセプトロンネットワークによる初期推定ポーズを改良する,ループ式ポーズ改善フレームワークBioPRを提案する。
  論文  参考訳（メタデータ） (2024-04-16T02:18:18Z)
• DiffuseBot: Breeding Soft Robots With Physics-Augmented Generative Diffusion Models [102.13968267347553]
  本稿では,様々なタスクにおいて優れたソフトロボット形態を生成する物理拡張拡散モデルであるDiffuseBotを提案する。 我々は、その能力とともに、シミュレーションされた、そして製造された様々なロボットを紹介します。
  論文  参考訳（メタデータ） (2023-11-28T18:58:48Z)
• Physics-Informed Neural State Space Models via Learning and Evolution [1.1086440815804224]
  システム同定のためのニューラル状態空間力学モデルの検出法について検討する。 モデル選択と最適化を交互に行う非同期な遺伝的探索アルゴリズムを用いる。
  論文  参考訳（メタデータ） (2020-11-26T23:35:08Z)

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。