論文の概要: AirBender: Adaptive Transportation of Bendable Objects Using Dual UAVs

• arxiv url: http://arxiv.org/abs/2605.07003v1
• Date: Thu, 07 May 2026 22:36:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-11 19:43:38.655912
• Title: AirBender: Adaptive Transportation of Bendable Objects Using Dual UAVs
• Title（参考訳）: AirBender:デュアルUAVを用いた折りたたみ式物体の適応輸送
• Authors: Jiawei Xu, Longsen Gao, Rafael Fierro, David Saldaña,
• Abstract要約: 本稿では、2台の航空機が自在な弾力性モデルに頼らずに、折り曲げ可能な物体を輸送しながら、軌道を協調的に追従できる適応制御器を提案する。 本手法は,物体の未知な変形特性をオンザフライで適応し,軌道追従作業における安定性と性能を確保する。
• 参考スコア（独自算出の注目度）: 6.537874129963871
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The interaction of robots with bendable objects in midair presents significant challenges in control, often resulting in performance degradation and potential crashes, especially for aerial robots due to their limited actuation capabilities and constant need to remain airborne. This paper presents an adaptive controller that enables two aerial vehicles to collaboratively follow a trajectory while transporting a bendable object without relying on explicit elasticity models. Our method allows on-the-fly adaptation to the object's unknown deformable properties, ensuring stability and performance in trajectory-tracking tasks. We use Lyapunov analysis to demonstrate that our adaptive controller is asymptotically stable. Our method is evaluated through hardware experiments in various scenarios, demonstrating the capabilities of using multirotor aerial vehicles to handle bendable objects.
• Abstract（参考訳）: 空中での折りたたみ可能な物体との相互作用は、しばしば性能の低下と潜在的なクラッシュをもたらす、制御上の重大な課題を生じさせる。 本稿では、2台の航空機が自在な弾力性モデルに頼らずに、折り曲げ可能な物体を輸送しながら、軌道を協調的に追従できる適応制御器を提案する。 本手法は,物体の未知な変形特性をオンザフライで適応し,軌道追従作業における安定性と性能を確保する。 我々はリアプノフ解析を用いて適応制御器が漸近的に安定であることを示す。 本手法は, 各種シナリオにおけるハードウェア実験を通じて評価され, 折り曲げ可能な物体を扱うために, マルチロータ航空機の能力を示す。

関連論文リスト

• Sliding Mode Control for Safe Trajectory Tracking with Moving Obstacles Avoidance: Experimental Validation on Planar Robots [1.7044368816068716]
  本稿では,ロバストな軌道追跡と移動障害物回避のための統合制御フレームワークを提案する。 提案アーキテクチャは,衝突回避制約を厳格に実施しつつ,外乱の有無の追跡を保証している。 このアプローチの有効性と汎用性は、数値シミュレーションと広範囲な実世界の実験によって検証される。
  論文  参考訳（メタデータ） (2026-04-27T14:20:10Z)
• Obstacle Avoidance of UAV in Dynamic Environments Using Direction and Velocity-Adaptive Artificial Potential Field [0.0]
  本論文は,無人航空機(UAV)の空域における自律衝突回避の課題について論じる。 それは新しい方向と相対速度重み付き人工電位場(APF)を提案する。 このアプローチでは、障害物の方向と速度に基づいて反発電位を動的にスケールするために、有界重み関数$(,v_e)$を導入している。
  論文  参考訳（メタデータ） (2025-12-08T14:57:01Z)
• GeoDrive: 3D Geometry-Informed Driving World Model with Precise Action Control [50.67481583744243]
  実世界モデルにロバストな3次元形状条件を明示的に統合したGeoDriveを紹介する。 車両の位置を編集することでレンダリングを強化するため,トレーニング中の動的編集モジュールを提案する。 動作精度と空間認識の両面で既存のモデルよりも優れていた。
  論文  参考訳（メタデータ） (2025-05-28T14:46:51Z)
• MULE: Multi-terrain and Unknown Load Adaptation for Effective Quadrupedal Locomotion [1.479858319622657]
  四足歩行ロボットは、様々な地形にまたがる荷積み作業にますます利用されている。 本研究では,四足歩行ロボットが様々なペイロードと多様な地形に適応できる適応強化学習フレームワークを提案する。 提案手法はIsaac Gymの大規模シミュレーション実験と,Unitree Go1の4倍体上での実際のハードウェア展開により検証する。
  論文  参考訳（メタデータ） (2025-05-01T12:41:35Z)
• Reinforcement Learning for Versatile, Dynamic, and Robust Bipedal Locomotion Control [106.32794844077534]
  本稿では,二足歩行ロボットのための動的移動制御系を構築するために,深層強化学習を用いた研究について述べる。 本研究では、周期歩行やランニングから周期ジャンプや立位に至るまで、様々な動的二足歩行技術に使用できる汎用的な制御ソリューションを開発する。 この研究は、二足歩行ロボットの俊敏性の限界を、現実世界での広範な実験を通じて押し上げる。
  論文  参考訳（メタデータ） (2024-01-30T10:48:43Z)
• Learning Terrain-Aware Kinodynamic Model for Autonomous Off-Road Rally Driving With Model Predictive Path Integral Control [4.23755398158039]
  本稿では,固有受容情報と外部受容情報の両方に基づいて,地形を考慮したキノダイナミクスモデルを学習する手法を提案する。 提案モデルでは、6自由度運動の信頼性予測が生成され、接触相互作用を推定することもできる。 シミュレーションされたオフロードトラック実験により提案手法の有効性を実証し,提案手法がベースラインより優れていることを示す。
  論文  参考訳（メタデータ） (2023-05-01T06:09:49Z)
• Learning a Single Near-hover Position Controller for Vastly Different Quadcopters [56.37274861303324]
  本稿では,クワッドコプターのための適応型ニアホバー位置制御器を提案する。 これは、非常に異なる質量、大きさ、運動定数を持つクワッドコプターに展開することができる。 また、実行中に未知の障害に迅速に適応する。
  論文  参考訳（メタデータ） (2022-09-19T17:55:05Z)
• OSCAR: Data-Driven Operational Space Control for Adaptive and Robust Robot Manipulation [50.59541802645156]
  オペレーショナル・スペース・コントロール(OSC)は、操作のための効果的なタスクスペース・コントローラとして使われてきた。 本稿では,データ駆動型OSCのモデル誤差を補償するOSC for Adaptation and Robustness (OSCAR)を提案する。 本手法は,様々なシミュレーション操作問題に対して評価し,制御器のベースラインの配列よりも大幅に改善されていることを示す。
  論文  参考訳（メタデータ） (2021-10-02T01:21:38Z)
• Reinforcement Learning for Robust Parameterized Locomotion Control of Bipedal Robots [121.42930679076574]
  シミュレーションにおけるロコモーションポリシをトレーニングするためのモデルフリー強化学習フレームワークを提案する。 ドメインランダム化は、システムダイナミクスのバリエーションにまたがる堅牢な振る舞いを学ぶためのポリシーを奨励するために使用されます。 本研究では、目標歩行速度、歩行高さ、旋回ヨーなどの多目的歩行行動について示す。
  論文  参考訳（メタデータ） (2021-03-26T07:14:01Z)
• Model-Based Meta-Reinforcement Learning for Flight with Suspended Payloads [69.21503033239985]
  吊り下げられたペイロードの輸送は、自律的な航空車両にとって困難である。 接続後飛行データから数秒以内に変化力学のモデルを学習するメタラーニング手法を提案する。
  論文  参考訳（メタデータ） (2020-04-23T17:43:56Z)

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。