論文の概要: Haptic Rendering of Fractional-Order Viscoelasticity: Passivity and Rendering Fidelity

• arxiv url: http://arxiv.org/abs/2605.16389v1
• Date: Mon, 11 May 2026 18:16:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-19 23:51:08.315023
• Title: Haptic Rendering of Fractional-Order Viscoelasticity: Passivity and Rendering Fidelity
• Title（参考訳）: フラクショナル次粘弾性のハプティックレンダリング:受動率とレンダリング忠実度
• Authors: Gorkem Gemalmaz, Harun Tolasa, Volkan Patoglu,
• Abstract要約: クリープ・応力緩和を示す粘弾性材料のハプティックレンダリングは多くの用途において重要である。 有限メモリ離散化下での分数次粘弾性モデルの通過率とレンダリング性能について解析する。
• 参考スコア（独自算出の注目度）: 1.9307952728103128
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Haptic rendering of viscoelastic materials that exhibit creep and stress relaxation is crucial for many applications, such as medical training with realistic biological tissue models. Fractional-order viscoelastic models provide an effective means of describing intrinsically time-dependent dynamics with few parameters, as these models can naturally capture memory effects. In this study, we present analyses of passivity and rendering performance for fractional-order viscoelastic models under finite-memory discretization. We derive closed-form expressions to ensure the passivity of haptic rendering with a fractional-order (FO) standard linear solid (SLS) model based on Grunwald-Letnikov derivative under short-memory discretization. We also provide symbolic expressions for the effective stiffness and damping of such FO-SLS models. The resulting passivity conditions constitute a unified framework that generalizes previously reported results for integer-order Kelvin-Voigt, Maxwell, and SLS models, since these results are special cases of the newly derived condition. Furthermore, we provide experimental validations of the theoretical passivity bounds and human-subject evaluations of perceived realism of FO-SLS models. Overall, this study establishes a unified theoretical framework and experimental evaluations for FO viscoelastic rendering under short-memory discretization.
• Abstract（参考訳）: クリープと応力緩和を示す粘弾性材料の触覚レンダリングは、現実的な生体組織モデルを用いた医療訓練など、多くの応用において重要である。 フラクショナル次粘弾性モデル(英語版)は、これらのモデルが自然にメモリ効果を捉えることができるため、本質的に時間に依存したダイナミクスをほとんどパラメータで記述する効果的な手段を提供する。 本研究では,有限メモリ離散化下での分数次粘弾性モデルの通過率と描画性能について解析する。 我々は,Grunwald-Letnikov 微分に基づく分数次標準線形ソリッド(SLS)モデルによるハプティックレンダリングの透過性を確保するために,クローズドフォーム式を導出する。 また,このようなFO-SLSモデルの有効剛性および減衰に関する記号表現も提供する。 結果の相似性条件は、新たに導出された条件の特別な場合であるため、整数階のケルビン・ヴォイグト、マクスウェル、SLSモデルの先に報告された結果を一般化する統一的な枠組みを構成する。 さらに, FO-SLSモデルにおいて, 理論的相似性境界の実験的検証と, 知覚現実性の評価を行う。 本研究は,短期記憶の離散化下でのFO粘弾性レンダリングの統一的理論的枠組みと実験的評価を確立する。

関連論文リスト

• SIGMA: Scalable Spectral Insights for LLM Collapse [51.863164847253366]
  SIGMA(Spectral Inequalities for Gram Matrix Analysis)は,モデル崩壊のための統一的なフレームワークである。 行列のスペクトル上の決定論的境界を導出するベンチマークを利用することで、SIGMAは表現空間の収縮を追跡するために数学的に基底化された計量を提供する。 我々は、SIGMAが状態への遷移を効果的に捉え、崩壊のメカニズムに関する理論的知見の両方を提供することを示した。
  論文  参考訳（メタデータ） (2026-01-06T19:47:11Z)
• Information Theoretic Learning for Diffusion Models with Warm Start [8.455757095201314]
  雑音駆動モデルに対してより厳密な確率境界が導出され、最大確率学習の精度と効率が向上する。 我々の重要な洞察は、古典的なKL分散フィッシャー情報関係を任意のノイズ摂動に拡張する。 拡散過程をガウスチャネルとして扱うことにより,提案した対象上界が負対数類似度(NLL)であることを示す。
  論文  参考訳（メタデータ） (2025-10-23T18:00:59Z)
• EPi-cKANs: Elasto-Plasticity Informed Kolmogorov-Arnold Networks Using Chebyshev Polynomials [0.0]
  チェビシェフ型ネットワーク(EPi-cKAN)のエラスト可塑性について述べる。 EPi-cKANは、応力成分の予測に優れた精度を提供し、ブラインド三軸軸対称のひずみ制御荷重経路下での砂弾塑性挙動の予測に使用する場合、より良い精度を示す。
  論文  参考訳（メタデータ） (2024-10-12T16:01:38Z)
• Constrained Synthesis with Projected Diffusion Models [47.56192362295252]
  本稿では, 制約や物理原理の遵守を満足し, 証明する上で, 生成拡散プロセスへのアプローチを紹介する。 提案手法は, 従来の生成拡散過程を制約分布問題として再キャストし, 制約の順守を保証する。
  論文  参考訳（メタデータ） (2024-02-05T22:18:16Z)
• A PAC-Bayesian Perspective on the Interpolating Information Criterion [54.548058449535155]
  補間系の性能に影響を及ぼす要因を特徴付ける一般モデルのクラスに対して,PAC-Bayes境界がいかに得られるかを示す。 オーバーパラメータ化モデルに対するテスト誤差が、モデルとパラメータの初期化スキームの組み合わせによって課される暗黙の正規化の品質に依存するかの定量化を行う。
  論文  参考訳（メタデータ） (2023-11-13T01:48:08Z)
• Discovering Interpretable Physical Models using Symbolic Regression and Discrete Exterior Calculus [55.2480439325792]
  本稿では,記号回帰(SR)と離散指数計算(DEC)を組み合わせて物理モデルの自動発見を行うフレームワークを提案する。 DECは、SRの物理問題への最先端の応用を越えている、場の理論の離散的な類似に対して、ビルディングブロックを提供する。 実験データから連続体物理の3つのモデルを再発見し,本手法の有効性を実証する。
  論文  参考訳（メタデータ） (2023-10-10T13:23:05Z)
• A machine learning-based viscoelastic-viscoplastic model for epoxy nanocomposites with moisture content [0.0]
  本研究では, 含水ナノ粒子の循環粘弾性・粘弾性・粘塑性損傷挙動を解析するための深層学習モデルを提案する。 サンプリング手法と摂動法を組み合わせた長期記憶ネットワークを訓練する。 実験によって検証された粘弾性-粘弾性-粘弾性モデルにより生成されたトレーニングデータとともに、DLモデルは、速度依存性の応力-ひずみ関係を正確に捉えることができる。
  論文  参考訳（メタデータ） (2023-05-14T08:33:11Z)
• Neural Frailty Machine: Beyond proportional hazard assumption in neural survival regressions [30.018173329118184]
  生存回帰のための強力なフレキシブルなニューラル・モデリング・フレームワークであるニューラル・フラリティ・マシン(NFM)を提案する。 2つの具体的なモデルは、ニューラル比例ハザードモデルと非ハザード回帰モデルを拡張する枠組みに基づいて導出される。 我々は,異なるスケールのベンチマークデータセットを6ドル以上で評価し,提案したNAMモデルは予測性能において最先端サバイバルモデルより優れていることを示す。
  論文  参考訳（メタデータ） (2023-03-18T08:15:15Z)
• Closed-form Continuous-Depth Models [99.40335716948101]
  連続深度ニューラルモデルは高度な数値微分方程式解法に依存している。 我々は,CfCネットワークと呼ばれる,記述が簡単で,少なくとも1桁高速な新しいモデル群を提示する。
  論文  参考訳（メタデータ） (2021-06-25T22:08:51Z)

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。