論文の概要: Learning Context-Aware Neural ODE Dynamics for Adaptive Robotic Control

• arxiv url: http://arxiv.org/abs/2606.15469v1
• Date: Sat, 13 Jun 2026 20:55:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-16 16:21:33.641101
• Title: Learning Context-Aware Neural ODE Dynamics for Adaptive Robotic Control
• Title（参考訳）: 適応型ロボット制御のための文脈認識型ニューラル・オードダイナミクスの学習
• Abstract要約: 本稿では,ニューラル常微分方程式に基づく文脈認識力学モデルを提案する。 Sphero BOLTロボットとFanucマニピュレータを実世界の実験で使用した。
• 参考スコア（独自算出の注目度）: 55.01272784312405
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Robotic systems deployed in uncertain and dynamically changing environments often face variations in contact conditions, aerodynamic effects, and external disturbances that challenge reliable control. To remain effective under model-based control, these systems require dynamics models that can adapt to such changes, especially when direct access to complete environmental information is limited. To enable adaptability and facilitate integration with model predictive control, we propose a context-aware dynamics model based on neural ordinary differential equations, which infers environmental factors from state-action histories using a two-phase training procedure. We validate the approach across diverse robotic platforms, including a quadrotor in simulation, as well as a Sphero BOLT robot and a Fanuc manipulator in real-world experiments. The results demonstrate that our method effectively adapts to temporally and spatially varying environmental changes across different tasks. Videos are available at https://youtu.be/PY0sNyF2rqE , and the source code is available at https://github.com/syyu410-yu/context-aware-neural-ode-control.git .
• Abstract（参考訳）: 不確実で動的に変化する環境に展開されるロボットシステムは、しばしば接触条件、空力効果、信頼性の高い制御に挑戦する外部障害に直面する。 モデルベース制御の下で有効に維持するためには、これらのシステムはこのような変化に適応できるダイナミクスモデルを必要とする。 適応性を実現し, モデル予測制御との統合を容易にするため, 二相学習法を用いて環境要因を推定するニューラル常微分方程式に基づく文脈認識力学モデルを提案する。 Sphero BOLTロボットとFanucマニピュレータを実世界の実験で使用した。 その結果,提案手法は時間的・空間的に異なる環境変化に効果的に適応できることが示唆された。 ビデオはhttps://youtu.be/PY0sNyF2rqEで公開されており、ソースコードはhttps://github.com/syyu410-yu/context-aware-neural-ode-control.gitで公開されている。

関連論文リスト

• AD-NODE: Adaptive Dynamics Learning with Neural ODEs for Mobile Robots Control [17.551574806243853]
  移動ロボットは、物流から農業まで、様々な分野でますます重要になっている。 これらのシステムは、環境変動に対応することのできる力学モデルを必要とする。 本研究では,直接的な環境知識の必要性を回避できる適応力学モデルを提案する。
  論文  参考訳（メタデータ） (2025-10-06T23:14:08Z)
• Action Flow Matching for Continual Robot Learning [54.10050120844738]
  ロボット工学における継続的な学習は、変化する環境やタスクに常に適応できるシステムを求める。 本稿では,オンラインロボット力学モデルアライメントのためのフローマッチングを利用した生成フレームワークを提案する。 ロボットは,不整合モデルで探索するのではなく,行動自体を変換することで,より効率的に情報収集を行う。
  論文  参考訳（メタデータ） (2025-04-25T16:26:15Z)
• ICODE: Modeling Dynamical Systems with Extrinsic Input Information [14.521146920900316]
  本稿では,モデルの学習過程に,正確なリアルタイム入力情報を組み込んだEmphInput Concomitant Neural ODE(ICODE)を紹介する。 いくつかの代表的実動力学の実験を通して本手法を検証する。 この研究は、明示的な外部入力情報で物理的システムを理解するための貴重なニューラルネットワークODEモデルのクラスを提供する。
  論文  参考訳（メタデータ） (2024-11-21T07:57:59Z)
• Active Learning of Discrete-Time Dynamics for Uncertainty-Aware Model Predictive Control [46.81433026280051]
  本稿では,非線形ロボットシステムの力学を積極的にモデル化する自己教師型学習手法を提案する。 我々のアプローチは、目に見えない飛行条件に一貫して適応することで、高いレジリエンスと一般化能力を示す。
  論文  参考訳（メタデータ） (2022-10-23T00:45:05Z)
• Adaptive Asynchronous Control Using Meta-learned Neural Ordinary Differential Equations [0.0]
  実世界のロボティクスシステムは、モデルに基づく強化学習と制御の適用性を制限する課題をしばしば提示する。 本稿では,メタラーニング適応力学モデルを用いて連続時間予測と制御を行うことによって,これらの困難を克服する一般的なフレームワークを提案する。 本研究では,2つの異なるロボットシミュレーションと実産業ロボットの評価を行った。
  論文  参考訳（メタデータ） (2022-07-25T11:07:29Z)
• 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)
• Deluca -- A Differentiable Control Library: Environments, Methods, and Benchmarking [52.44199258132215]
  我々は、微分可能な物理学とロボティクス環境のオープンソースライブラリを提示する。 ライブラリには,OpenAI Gymの古典的なコントロール設定など,いくつかのポピュラーな環境がある。 ライブラリを使用して得られた新しい科学的結果のいくつかのユースケースを提供します。
  論文  参考訳（メタデータ） (2021-02-19T15:06:47Z)
• Learning to Continuously Optimize Wireless Resource In Episodically Dynamic Environment [55.91291559442884]
  この研究は、データ駆動型手法が動的環境で継続的に学習し、最適化できる方法論を開発する。 本稿では,無線システム学習のモデリングプロセスに連続学習の概念を構築することを提案する。 我々の設計は、異なるデータサンプル間で「一定の公正性を保証する」新しいmin-maxの定式化に基づいている。
  論文  参考訳（メタデータ） (2020-11-16T08:24:34Z)

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。