論文の概要: HoLoArm: Deformable Arms for Collision-Tolerant Quadrotor Flight

• arxiv url: http://arxiv.org/abs/2605.25790v1
• Date: Mon, 25 May 2026 12:37:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-26 19:50:20.044531
• Title: HoLoArm: Deformable Arms for Collision-Tolerant Quadrotor Flight
• Title（参考訳）: HoLoArm:衝突耐性クアドロター飛行のための変形可能なアーム
• Authors: Quang Ngoc Pham, Jonas Eschmann, Yang Zhou, Alejandro Ojeda Olarte, Giuseppe Loianno, Van Anh Ho,
• Abstract要約: トンボの翼のノダス構造にインスパイアされた腕を持つ四重奏曲HoLoArmについて述べる。 結果は、HoLoArmが軸方向を含む任意の方向に受動的に変形し、衝撃の方向とレベルに応じて0.3～0.6秒以内で回復可能であることを示した。 ドローンは最大7.6m/sの速度で衝突に耐え、安定した飛行を維持しながら540gのペイロードを運ぶことができる。
• 参考スコア（独自算出の注目度）: 46.42648821424623
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The increasing use of drones in human-centric applications highlights the need for designs that can survive collisions and recover rapidly, minimizing risks to both humans and the environment. We present HoLoArm, a quadrotor with compliant arms inspired by the nodus structure of dragonfly wings. This design provides natural flexibility and resilience while preserving flight stability, which is further reinforced by the integration of a Reinforcement Learning (RL) control policy that enhances both recovery and hovering performance. Experimental results demonstrate that HoLoArm can passively deform in any direction, including axial one, and recover within 0.3-0.6 s depending on the direction and level of the impact. The drone can survive collisions at speeds up to 7.6 m/s and carry a 540 g payload while maintaining stable flight. This work contributes to the morphological design of soft aerial robots with high agility and reliable safety, enabling operation in cluttered and human shared environments, and lays the groundwork for future fully soft drones that integrate compliant structures with intelligent control.
• Abstract（参考訳）: 人間中心のアプリケーションにおけるドローンの利用の増加は、衝突に耐え、迅速に回復できる設計の必要性を強調し、人間と環境の両方に対するリスクを最小限にする。 トンボの翼のノダス構造にインスパイアされた腕を持つ四重奏曲HoLoArmについて述べる。 この設計は、飛行安定性を維持しながら自然の柔軟性と弾力性を提供し、回復とホバリング性能の両方を強化する強化学習(RL)制御ポリシーの統合によってさらに強化される。 実験により、HoLoArmは軸方向を含む任意の方向に受動的に変形し、衝撃の方向とレベルに応じて0.3-0.6秒以内で回復できることが示された。 ドローンは最大7.6m/sの速度で衝突に耐え、安定した飛行を維持しながら540gのペイロードを運ぶことができる。 この研究は、俊敏性と信頼性の高い安全性を持つ軟式航空ロボットの形態設計に寄与し、乱雑で人と共有された環境での運用を可能にし、適合した構造とインテリジェントな制御を統合した将来の完全軟式ドローンの基礎となる。

関連論文リスト

• Aero-World: Action-Conditioned Aerial Video Generation from Inertial Controls [57.166020875486474]
  我々は,事前学習した画像から映像への拡散モデルを制御可能な空中ビデオ生成装置に変換する方法であるtextbfAero-World を提案する。 実ビデオ-IMUペアで独立して訓練された冷凍潜伏空間物理学プローブは、LoRA微調整中に慣性・一貫性の異なる監視を提供する。 AeroBenchでは、アクションのみの微調整で平均AASを57.7から63.6に改善し、AirScapeよりも優れた品質制御トレードオフを提供する。
  論文  参考訳（メタデータ） (2026-05-19T12:02:17Z)
• Perceptive Humanoid Parkour: Chaining Dynamic Human Skills via Motion Matching [77.28042137892943]
  本稿では,人間型ロボットの長期的視覚的パーキングを自律的に行うためのモジュール型フレームワークであるPerceptive Humanoid Parkour(PHP)を提案する。 本研究は、これらの合成動作に対する運動追跡強化学習専門家の政策を訓練し、それらを深度に基づく多スキル学生政策に抽出する。 我々は,Unitree G1ヒューマノイドロボットを用いた実世界実験により,我々のフレームワークを検証した。
  論文  参考訳（メタデータ） (2026-02-17T18:59:11Z)
• A 26-Gram Butterfly-Inspired Robot Achieving Autonomous Tailless Flight [61.21669716392821]
  textitAirPulseは、26グラムの蝶にインスパイアされたロボットで、このスケールで尾のない二翼プラットフォームのために、初めてオンボードでクローズドループ制御飛行を行う。 蝶の飛行における重要な生体力学的特性を再現し、低アスペクト比、炭素繊維強化翼の適合性、および特徴的な生物学的身体の起伏を再現する低周波の羽ばたきを利用する。
  論文  参考訳（メタデータ） (2026-02-06T15:58:50Z)
• Wake Vectoring for Efficient Morphing Flight [1.6799377888527687]
  我々は、モーフィング中に失われたスラストを回復するパッシブ・ウェイク・ベクター機構を導入する。 このソリューションは、有用な推力が生成されない構成で、最大40%の垂直推力回復を実現する。 そこでは、ロケットや航空機の推力ベクターによる受動空気力学構造が、機械的な複雑さを伴わずに効率よく、アジャイルな飛行を可能にする。
  論文  参考訳（メタデータ） (2025-12-04T19:31:17Z)
• Aerobatic maneuvers in insect-scale flapping-wing aerial robots via deep-learned robust tube model predictive control [38.02123507620609]
  航空昆虫は、鋭い制動、ササード、身体のフリップのような非常に機敏な行動を示す。 昆虫のようなササードの動きを示し, 横速度と加速速度は1秒あたり197センチメートル, 1秒あたり1.7メートルであった。 ロボットはまた、秒速160cm以下でのササード操作や、大きなコマンド・ツー・フォースのマッピングエラーを実行することもできる。
  論文  参考訳（メタデータ） (2025-08-05T03:40:11Z)
• A highly maneuverable flying squirrel drone with agility-improving foldable wings [3.166558866794283]
  本稿では、機敏性向上可能な折りたたみ翼を備えた高度操縦可能なドローンを提案する。 折りたたみ翼の複雑な空気力学は、物理補助リカレントニューラルネットワーク(paRNN)を用いてモデル化される 実験の結果,提案した飛行用リスドローンは追跡性能が13.1%向上した。
  論文  参考訳（メタデータ） (2025-04-13T14:57:11Z)
• Humanoid Whole-Body Locomotion on Narrow Terrain via Dynamic Balance and Reinforcement Learning [54.26816599309778]
  動的バランスと強化学習(RL)に基づく新しい全身移動アルゴリズムを提案する。 具体的には,ZMP(Zero-Moment Point)駆動の報酬とタスク駆動の報酬を,全身のアクター批判的枠組みで拡張した尺度を活用することで,動的バランス機構を導入する。 フルサイズのUnitree H1-2ロボットによる実験により、非常に狭い地形でのバランスを維持するための手法の有効性が検証された。
  論文  参考訳（メタデータ） (2025-02-24T14:53:45Z)
• Lander.AI: Adaptive Landing Behavior Agent for Expertise in 3D Dynamic Platform Landings [2.5022287664959446]
  本研究では,風環境下でのプラットフォーム上での移動と着陸を目的とした,高度な深層強化学習(DRL)エージェントであるLander:AIを紹介する。 Lander:AIは、風の乱流を含む現実世界の複雑さを反映するジム・ピブルレット・ドーンシミュレーションで厳格に訓練されています。 実験の結果、ランダー:AIの高精度着陸と移動プラットフォームへの適応能力は、風による乱れでも示されました。
  論文  参考訳（メタデータ） (2024-03-11T10:20:44Z)

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。