論文の概要: High Precision Hydraulic Excavator Control for Heavy-Duty Grading

• arxiv url: http://arxiv.org/abs/2605.09465v1
• Date: Sun, 10 May 2026 10:32:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-12 23:28:50.264942
• Title: High Precision Hydraulic Excavator Control for Heavy-Duty Grading
• Title（参考訳）: 重圧グレーディングのための高精度油圧掘削機制御
• Authors: Lennart Werner, Pol Eyschen, Sean Costello, Andrei Cramariuc, Marco Hutter,
• Abstract要約: 高精度重デューティグレーディングは、伝統的に熟練したオペレーターが手動で行うアースワークにおける一般的なステップである。 異なる油圧アーキテクチャは、演算子入力と土壌相互作用力に異なる反応をするので、一般化可能なコントローラは困難である。 本稿では,負荷検知機や負流制御機上でのエキスパート演算速度で高精度なグレーディングを実現する自律制御器を提案する。
• 参考スコア（独自算出の注目度）: 5.861717192898012
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: High-precision heavy-duty grading is a common step in earthworks, traditionally carried out manually by skilled operators. Removing a significant amount of material while achieving a high-precision surface requires substantial machine-specific experience. Different hydraulic architectures react differently to operator inputs and soil interaction forces, which makes generalizable controllers challenging. In this paper, we present an autonomous controller that achieves high-precision grading at expert-operator speed on Load Sensing and Negative Flow Control machines alike. We split our controller into two parts: (1) a hydraulic-aware low-level loop that is hydraulic architecture-specific and (2) a path-tracking layer that coordinates joint motions and responses. Through a calibration process, our technique is applicable to load-sensing and negative-flow-control machinery. To showcase its versatility, we benchmark our approach on two excavators with different hydraulics and compare it against a commercial state-of-the-art solution. Our technique (RMSE 1.8~cm) outperforms the commercial solution (RMSE 4.7~cm) in precision by a factor of 2.6 and improves machine usage by leveraging the maximum function pressure, as opposed to commercial solutions that stall prematurely.
• Abstract（参考訳）: 高精度重デューティグレーディングは、伝統的に熟練したオペレーターが手動で行うアースワークにおける一般的なステップである。 高精度な表面を達成しながらかなりの量の材料を除去するには、機械特有の経験が必要である。 異なる油圧アーキテクチャは、演算子入力と土壌相互作用力に異なる反応をするので、一般化可能なコントローラは困難である。 本稿では,負荷センシングおよび負流制御装置のエキスパート演算速度で高精度なグレーディングを実現する自律制御器を提案する。 我々は,(1)油圧対応の低レベルループと(2)関節運動と反応を協調する経路追従層に分割した。 キャリブレーション法により, 負荷検知および負流制御装置に適用できる。 その汎用性を示すために、異なる油圧を持つ2つの掘削機に対して我々のアプローチをベンチマークし、それを商用の最先端のソリューションと比較する。 提案手法(RMSE 1.8~cm)は,市販ソリューション(RMSE 4.7〜cm)の精度を2.6倍に向上し,機能圧力の最大化による機械使用率の向上を実現している。

関連論文リスト

• Time-Division Multiplexing Actuation in Tendon-Driven Arms: Lightweight Design and Fault Tolerance [14.371753469050942]
  TDMA(Time-Division Multiplexing Actuation)は、腱駆動ロボットのための実用的アプローチである。 MuxArmは2.17kgの自己重量を実現し、アクチュエータ駆動能力は10kgまでサポートし、エンドエフェクターの精度を最大1%まで維持する。
  論文  参考訳（メタデータ） (2026-04-18T07:27:45Z)
• What Drives Representation Steering? A Mechanistic Case Study on Steering Refusal [53.189667624047416]
  異なるステアリング手法が同一層に印加した場合に機能的に交換可能な回路を利用することを示す。 その結果,操舵ベクトルは最大90～99%のスペーサー化が可能であり,ほとんどの性能は維持できることがわかった。
  論文  参考訳（メタデータ） (2026-04-09T17:57:14Z)
• A Robotic Testing Platform for Pipelined Discovery of Resilient Soft Actuators [63.07587517846448]
  本稿では,DEA寿命をスキャンできる新しいテストロボットによって実現された最適化パイプラインを提案する。 ロボットは、電気機械特性測定、プログラム可能な電圧入力、マルチチャネルテスト能力を統合する。 これを用いて,入力電圧等級,周波数,電極物質濃度,電気接続フィラーなど,Elastosil系リニアアクチュエータの寿命を走査した。
  論文  参考訳（メタデータ） (2026-02-24T14:41:28Z)
• Hypersonic Flow Control: Generalized Deep Reinforcement Learning for Hypersonic Intake Unstart Control under Uncertainty [0.34376560669160394]
  アンスタートはマッハ5以上での信頼性の高い空気呼吸推進への大きな挑戦である。 正準2次元超音速インレットにおいて,マッハ5とレイノルズ5倍の106$でアンスタートを制御する戦略を示す。 その結果,実運用上の不確実性の下でのリアルタイム超音速流制御におけるデータ駆動型手法が確立された。
  論文  参考訳（メタデータ） (2026-01-27T22:38:52Z)
• Learning Quadrupedal Locomotion for a Heavy Hydraulic Robot Using an Actuator Model [7.275864116517311]
  この研究は、重油圧四足歩行ロボット上で強化学習(RL)による安定かつ頑健なコマンド追跡ロコモーションの移動に成功した最初の実演である。 このモデルは、12個のアクチュエータの関節トルクを1マイクロ秒以下で予測し、RL環境での高速な処理を可能にする。
  論文  参考訳（メタデータ） (2026-01-16T10:01:09Z)
• Explainable AI-Enhanced Supervisory Control for Robust Multi-Agent Robotic Systems [0.0]
  マルチエージェントロボットのためのAI強化型監視制御フレームワークを提案する。 我々は、このアプローチを、宇宙船形成飛行と自律水中車両の2つの対照的な領域で検証した。
  論文  参考訳（メタデータ） (2025-09-18T23:59:13Z)
• Function Approximation for Reinforcement Learning Controller for Energy from Spread Waves [69.9104427437916]
  マルチジェネレータ・ウェーブ・エナジー・コンバータ(WEC)は、スプレッド・ウェーブと呼ばれる異なる方向から来る複数の同時波を処理しなければならない。 これらの複雑な装置は、エネルギー捕獲効率、維持を制限する構造的ストレスの低減、高波に対する積極的な保護という複数の目的を持つコントローラを必要とする。 本稿では,システム力学のシーケンシャルな性質をモデル化する上で,ポリシーと批判ネットワークの異なる機能近似について検討する。
  論文  参考訳（メタデータ） (2024-04-17T02:04:10Z)
• Automatic Anomalies Detection in Hydraulic Devices [1.5469452301122175]
  本稿では,油圧システム,シリンダにおいて,最も多用途で用いられている装置の1つにおいて,異常のキャラクタリゼーションと評価を行うためのソリューションを提案する。 AIとMLモデルは、これらの油圧部品の現在の運転状況を決定するために実装された。
  論文  参考訳（メタデータ） (2022-12-05T21:16:19Z)
• Physics-informed machine learning with differentiable programming for heterogeneous underground reservoir pressure management [64.17887333976593]
  地下貯水池の過圧化を避けることは、CO2の沈殿や排水の注入といった用途に欠かせない。 地中における複雑な不均一性のため, 噴射・抽出制御による圧力管理は困難である。 過圧化防止のための流体抽出速度を決定するために、フル物理モデルと機械学習を用いた微分可能プログラミングを用いる。
  論文  参考訳（メタデータ） (2022-06-21T20:38:13Z)
• TransKD: Transformer Knowledge Distillation for Efficient Semantic Segmentation [49.794142076551026]
  Transformer-based Knowledge Distillation (TransKD) フレームワークは,大規模教師トランスフォーマーの機能マップとパッチ埋め込みの両方を蒸留することにより,コンパクトな学生トランスフォーマーを学習する。 Cityscapes、ACDC、NYUv2、Pascal VOC2012データセットの実験は、TransKDが最先端の蒸留フレームワークより優れていることを示している。
  論文  参考訳（メタデータ） (2022-02-27T16:34:10Z)
• Ensemble Transformer for Efficient and Accurate Ranking Tasks: an Application to Question Answering Systems [99.13795374152997]
  本研究では,大きな変圧器のアンサンブルを1つの小さなモデルに蒸留するニューラルネットワークを提案する。 MHSモデルは、入力をエンコードするために使用されるトランスフォーマー層のスタックと、ランキングヘッドのセットの2つのコンポーネントから構成される。 従来の蒸留法とは異なり,本手法では,アンサンブルメンバーの多様性を保ちつつ,個々のモデルを教師として利用している。
  論文  参考訳（メタデータ） (2022-01-15T06:21:01Z)

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。