論文の概要: Learning Dynamic Swing-Up of an Inverted Pendulum using Remote Magnetic Actuation
- arxiv url: http://arxiv.org/abs/2606.13915v1
- Date: Thu, 11 Jun 2026 21:12:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-15 16:00:42.653069
- Title: Learning Dynamic Swing-Up of an Inverted Pendulum using Remote Magnetic Actuation
- Title（参考訳）: リモート磁気アクチュエータを用いた倒立振子のダイナミックスウィングアップ学習
- Authors: Viacheslav Sydora, Jasan Zughaibi, Denis von Arx, Quentin Boehler, Michael Muehlebach,
- Abstract要約: 臨床読影型Navion eMNSを用いて, 磁気作動式逆振子の最初の発振を実演した。
提案手法は,内部のeMNSダイナミクスを考慮に入れた軌道最適化と,LQR(Linear Quadratic Regulator)状態フィードバックを併用する。
イテレーティブ・ラーニング・コントロール(ILC)は、6回のイテレーションでスウィングアップを成功させることができる。
- 参考スコア（独自算出の注目度）: 6.521353368731396
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Electromagnetic Navigation Systems (eMNS) have gained considerable attention for minimally invasive surgery and targeted drug delivery. While most of the literature relies on quasi-static control of these systems, recent work has demonstrated the benefits of dynamic approaches. However, trajectory tracking far from equilibrium states remains largely unaddressed. We close this gap by demonstrating the first swing-up of a magnetically actuated inverted pendulum using the clinically-ready Navion eMNS. Although the inverted pendulum is not clinically relevant in itself, the proposed method utilizes torques and forces as control objectives, making it applicable to other magnetically actuated devices such as catheters and guidewires. Our approach combines trajectory optimization that accounts for internal eMNS dynamics with time-varying Linear Quadratic Regulator (LQR) state feedback and Iterative Learning Control (ILC), which leverages previous trial data and the system's dynamic model to progressively refine the feedforward command. While LQR alone fails due to the complex phenomena of magnetic actuation, ILC enables successful swing-up within six iterations. Furthermore, post-experimental analysis reveals that the learned ILC correction closely matches the torque discrepancy predicted by high-fidelity magnetic field model calibration, suggesting learning and adaptation as a promising tool to deal with uncertainties in electromagnetic actuation arising, e.g., from patient-specific physiological motion patterns and field model calibration inaccuracies.
- Abstract（参考訳）: 電磁ナビゲーションシステム (eMNS) は、最小侵襲の手術と薬物の送達にかなりの注意を払っている。
ほとんどの文献は準静的制御に依存しているが、最近の研究は動的アプローチの利点を実証している。
しかし、平衡状態から遠く離れた軌道追跡は、ほとんど役に立たない。
臨床読影型Navion eMNSを用いて,磁気作動式逆振子の最初の発振を示すことで,このギャップを埋める。
逆振子自体は臨床的には関係がないが,本手法ではトルクと力の制御を目的とし,カテーテルやガイドワイヤなどの他の磁気駆動デバイスに適用できる。
提案手法では,内部eMNSのダイナミックスを考慮したトラジェクトリ最適化と,従来の試行データとシステムの動的モデルを活用して,フィードフォワードコマンドを段階的に洗練するLQR(Linear Quadratic Regulator)状態フィードバックとを併用する。
LQR単独は、磁気アクチュエータの複雑な現象のために失敗するが、ICCは6イテレーションでスウィングアップを成功させることができる。
さらに、実験後分析の結果、学習したICC補正は、高忠実な磁場モデル校正によって予測されるトルクの誤差と密接に一致し、患者固有の生理運動パターンやフィールドモデル校正の不正確性から生じる電磁的運動の不確実性に対処するための有望なツールとして学習と適応が提案されている。
関連論文リスト
- Fluoroscopy-Constrained Magnetic Robot Control via Zernike-Based Field Modeling and Nonlinear MPC [4.093982213892736]
磁気アクチュエータにより、手術ロボットは複雑な解剖経路をナビゲートし、組織外傷を軽減し、手術精度を向上させることができる。
本稿では,非線形モデル予測制御フレームワークを組み合わせることで,そのような条件下での高精度かつ安定な制御フレームワークを提案する。
硬膜外空間における薬物伝達を再現する3Dプリント流体作業空間と脊椎ファントムの2つの磁気ロボットを用いて実験的に検証を行った。
論文 参考訳（メタデータ） (2026-02-17T04:50:18Z) - Physics Aware Neural Networks: Denoising for Magnetic Navigation [3.624059602945058]
空中システムは、地磁気データを抽出する上で重要な課題に直面している。
本研究では, 分散自由ベクトル場とE(3)等分散という, 物理学に基づく2つの制約に基づく枠組みを提案する。
実験により、これらの制約を埋め込むことで予測精度と物理的妥当性が大幅に向上し、古典的なディープラーニングアプローチよりも優れていることが示された。
論文 参考訳（メタデータ） (2026-02-14T09:23:57Z) - Dynamical metastability and transient topological magnons in interacting driven-dissipative magnetic systems [0.0]
動的メタスタビリティを非線形で相互作用する状態に拡張し、磁気ヘテロ構造を探査の自然なプラットフォームとして同定する。
本研究は非線形力学における動的メタスタビリティに関する最初の体系的研究である。
論文 参考訳（メタデータ） (2026-02-13T19:00:04Z) - Pitch Angle Control of a Magnetically Actuated Capsule Robot with Nonlinear FEA-based MPC and EKF Multisensory Fusion [0.3694429692322632]
本稿では,4コイル電磁アレイで作動するカプセルロボットの磁気ピッチ制御のためのモデルベースフレームワークを提案する。
胃にインスパイアされた表面の実験は、水平と直立の両方の形状から頑健なピッチ再配向を示す。
これらの結果は、ピッチ制御、ドッキング制御、将来の多自由度カプセル移動のためのスケーラブルな戦略として、センサフュージョンを用いた有限要素インフォームドMPCを確立した。
論文 参考訳（メタデータ） (2026-02-11T07:59:52Z) - Curly Flow Matching for Learning Non-gradient Field Dynamics [49.480209466896035]
非勾配場力学を学習するための新しいアプローチであるCurly Flow Matching (Curly-FM)を導入する。
Curly-FMは、Schr"odinger Bridge問題の設計と解決によって、非勾配場力学を学習することができる。
Curly-FMは、基準プロセスと人口限界の両方に適合する軌道を学習することができる。
論文 参考訳（メタデータ） (2025-10-30T16:11:39Z) - Magnetic field estimation using Gaussian process regression for interactive wireless power system design [6.102646086243458]
共振器を結合したワイヤレス電力伝送は、電子機器のシームレスな電力供給に有望なソリューションを提供する。
磁場と電力伝達効率を可視化するインタラクティブな設計手法は、これらのシステムの理解と探索を容易にする。
本稿では,Gaussian Process Regression (GPR) を用いた機械学習手法を提案する。
論文 参考訳（メタデータ） (2025-10-22T06:26:38Z) - Observation of Magnetic Devil's Staircase-Like Behavior in Quasiperiodic Qubit Lattices [55.2480439325792]
悪魔の階段(DS)現象は、外界への磁化のフラクタル反応である。
我々は、単純で効果的なIsing-modelフレームワークにおいて、外部磁場の増加によって引き起こされる急激な磁気遷移を多数発見する。
本研究は,DSの挙動が周期的システムに限定されているという一般的な見方に挑戦する。
論文 参考訳（メタデータ） (2025-07-24T21:39:06Z) - Generative System Dynamics in Recurrent Neural Networks [56.958984970518564]
リカレントニューラルネットワーク(RNN)の連続時間ダイナミクスについて検討する。
線形および非線形構成の両方において安定な極限サイクルを実現するためには,スキュー対称性の重み行列が基本であることを示す。
数値シミュレーションは、非線形活性化関数が極限周期を維持するだけでなく、システム統合プロセスの数値安定性を高めることを示す。
論文 参考訳（メタデータ） (2025-04-16T10:39:43Z) - Stabilizing Machine Learning Prediction of Dynamics: Noise and
Noise-inspired Regularization [58.720142291102135]
近年、機械学習(ML)モデルはカオス力学系の力学を正確に予測するために訓練可能であることが示されている。
緩和技術がなければ、この技術は人工的に迅速にエラーを発生させ、不正確な予測と/または気候不安定をもたらす可能性がある。
トレーニング中にモデル入力に付加される多数の独立雑音実効化の効果を決定論的に近似する正規化手法であるLinearized Multi-Noise Training (LMNT)を導入する。
論文 参考訳（メタデータ） (2022-11-09T23:40:52Z) - Probing dynamics of a two-dimensional dipolar spin ensemble using single
qubit sensor [62.997667081978825]
ダイヤモンド結晶表面上の電子スピンの2次元アンサンブルにおける個々のスピンダイナミクスを実験的に検討した。
この不規則に緩やかな緩和速度は、強い力学障害の存在によるものであることを示す。
我々の研究は、強く相互作用する無秩序なスピンアンサンブルにおける量子熱化の微視的研究と制御への道を開いた。
論文 参考訳（メタデータ） (2022-07-21T18:00:17Z) - Continuous Decoding of Daily-Life Hand Movements from Forearm Muscle
Activity for Enhanced Myoelectric Control of Hand Prostheses [78.120734120667]
本研究では,前腕のEMG活性をハンドキネマティクスに連続的にマップする,長期記憶(LSTM)ネットワークに基づく新しい手法を提案する。
私たちの研究は、この困難なデータセットを使用するハンドキネマティクスの予測に関する最初の報告です。
提案手法は, 人工手指の複数のDOFの独立的, 比例的アクティベーションのための制御信号の生成に適していることが示唆された。
論文 参考訳（メタデータ） (2021-04-29T00:11:32Z)
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。