論文の概要: Tessellated Biomes: Distributed Robotic Assemblies for Architectural Resilience

• arxiv url: http://arxiv.org/abs/2606.20647v1
• Date: Sun, 07 Jun 2026 05:11:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-30 20:37:52.034122
• Title: Tessellated Biomes: Distributed Robotic Assemblies for Architectural Resilience
• Title（参考訳）: Tessellated Biomes: アーキテクチャのレジリエンスのための分散ロボットアセンブリ
• Abstract要約: Tessellated Biomesは、モジュール型多材料集合体の適応型ロボット構築と再構成のためのサイバー物理フレームワークである。 複数の材料における自己配向モジュラープリミティブのディジタル製造法について詳述する。 このフレームワークは、離散構造の製作、最適化、ロボット組み立てを通じて検証される。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper presents Tessellated Biomes, a cyber-physical framework for the adaptive robotic construction and reconfiguration of modular multi-material assemblies. It challenges the linear lifecycle of standard construction by fusing (1) local microfactory fabrication, (2) discrete multi-material optimization, and (3) distributed robotic assembly into a unified circular process of spatial adaptation. The research details methods for the digital fabrication of self-aligning modular primitives in multiple materials (PLA, timber, and concrete) produced in local microfactories; the aggregation and optimization of these primitives into compression-based discrete structures; and the deployment of custom quadrupedal robots that collaboratively relocate material into realized physical aggregations. The framework is validated through the fabrication, optimization, and robotic assembly of discrete structures. Together, these results position Tessellated Biomes as a model for resilient, reconfigurable architecture.
• Abstract（参考訳）: 本稿では,モジュール型多材料集合体の適応型ロボット構築と再構成のためのサイバー物理フレームワークであるTessellated Biomesを提案する。 本研究は,(1)局所的マイクロファクトリー製造,(2)離散的多材料最適化,(3)分散ロボット組立を空間適応の統一的な円形プロセスに融合させることにより,標準構築の線形ライフサイクルに挑戦する。 この研究は、局所的なマイクロファクトリーで生産される複数の材料(PLA、木材、コンクリート)における自己整合モジュールプリミティブのデジタル製造方法、圧縮に基づく離散構造へのこれらのプリミティブの集約と最適化、物質を協調的に物理的凝集体に移動させるカスタム四足ロボットの展開について詳述している。 このフレームワークは、離散構造の製作、最適化、ロボット組み立てを通じて検証される。 これらの結果は、Tessellated Biomesをレジリエントで再構成可能なアーキテクチャのモデルとして位置づけている。

関連論文リスト

• SimpleDesign: A Joint Model for Protein Sequence and Structure Codesign [53.93453139057735]
  データ空間で直接訓練された効果的なマルチモーダルタンパク質設計モデルであるSimpleDesignを提案する。 2M以上のシーケンス構造ペア上でSimpleDesignをトレーニングし、共設計および非条件シーケンス/構造生成ベンチマーク間で強力なパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2026-09-03T05:25:05Z)
• Agentic Designer: Progressive Multi-Agent Collaboration for Structure-Aware Interior Layout Generation [84.5255199507027]
  Agentic Designerは、構造を意識した内部レイアウト生成を反復的かつ制約的に検証された決定プロセスとして定式化する、プログレッシブなフレームワークである。 提案、検証、合成、調整のモジュールステージにレイアウトを分解することで、フレームワークは3つの特殊エージェント、ジェネレータ、評価器、精錬器を協調する。 この機構は、各配置がコミットされる前に段階的に幾何的検証と補正を行い、エラーの蓄積を防止する。
  論文  参考訳（メタデータ） (2026-07-23T02:46:11Z)
• One-Shot Generative Design for Disordered Metamaterials via Self-Organizing Neural Cellular Automata [9.321828591115567]
  不規則なメタマテリアルは、固有のランダム性と不規則性を持つミクロ構造を特徴とする。 その約束にもかかわらず、混乱したマイクロ構造を設計することは、通常の構造を設計するよりもはるかに難しい。 本稿では,局所的相互作用ルールを学習し,複雑な構造を動的に成長させる生成設計フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-07-16T01:43:03Z)
• Microstructure-Conditioned Surrogate Models for Graded Multiscale Optimization of Mycelium Composites [0.0]
  持続可能な材料は、その特性と機械的挙動の制御を達成するために、エンジニアリングされた階層構造とミクロ構造にますます依存している。 マイクロスケールのためのデータ駆動サロゲートモデルは、マルチスケールシミュレーションを加速することができるが、固定されたマイクロ構造であっても大量のデータを必要とする。 本手法は, マイセリウム-木質複合材料におけるマルチスケール機械的挙動の正確な予測を可能にする。
  論文  参考訳（メタデータ） (2026-07-15T10:31:08Z)
• Reinforcement learning in linear embedding space unlocks generalizable control across soft robot configurations [60.42735420750131]
  タコや象のトランクのような軟体生物は、顕著な形態的適応性を示す。 近年、様々なソフトロボットが登場し、様々な素材、硬さ、特定のタスクに合わせた形態を特徴としている。 本稿では,多様なソフトロボット構成にまたがる迅速な適応を可能にする汎用制御システムを提案する。
  論文  参考訳（メタデータ） (2026-06-06T11:09:46Z)
• LEIA: Learned Environment for Interactive Architected Materials [7.259979611075305]
  私たちは、エンジニアが境界条件を段階的に適用できる世界モデルであるLEIA(Learned Environment for Interactive Architected Materials)を紹介します。 LEIAは、大きな3つの非構造メッシュを処理し、ユーザの3次元ローディングに対する自己回帰応答を生成する。
  論文  参考訳（メタデータ） (2026-05-27T12:04:15Z)
• ZipFold: Modular Actuators for Scaleable Adaptive Robots [52.52738470247707]
  本稿では,可逆スケールと剛性変換を実現する,コンパクトでファブリケートな展開可能なアクチュエータを提案する。 単純なアクチュエータ法は、コンパクト(フレキシブル)状態と拡張(準剛体)状態の間の滑らかで連続的な遷移を可能にする。
  論文  参考訳（メタデータ） (2026-04-06T23:50:03Z)
• Protein Autoregressive Modeling via Multiscale Structure Generation [51.92004892768298]
  タンパク質自己回帰モデリング(PAR)は,タンパク質のバックボーン生成のための最初のマルチスケール自己回帰フレームワークである。 ノイズの多いコンテキスト学習とスケジュールサンプリングを採用し、堅牢なバックボーン生成を実現している。 非条件生成ベンチマークでは、PARはタンパク質の分布を効果的に学習し、高い設計品質のバックボーンを生成する。
  論文  参考訳（メタデータ） (2026-02-04T18:59:49Z)
• Statistically controllable microstructure reconstruction framework for heterogeneous materials using sliced-Wasserstein metric and neural networks [6.011061228715799]
  異種多孔質材料は様々な工学システムにおいて重要な役割を担っている。 本稿では,ニューラルネットワークとスライス・ワッサーシュタイン計量を統合した統計的制御可能なマイクロ構造再構築フレームワークを提案する。 本手法では, サンプルサイズが小さい場合でも, 再現作業の実施と制御が可能である。
  論文  参考訳（メタデータ） (2025-11-18T09:02:09Z)
• Efficient Symmetry-Aware Materials Generation via Hierarchical Generative Flow Networks [52.13486402193811]
  新しい固体材料は、結晶構造の広大な空間を急速に探索し、安定した領域を探索する必要がある。 既存の手法では、大きな材料空間を探索し、望ましい特性と要求を持った多様なサンプルを生成するのに苦労している。 本研究では, 材料空間の対称性を効果的に活用し, 所望の特性を持つ結晶構造を生成するために, 階層的探索戦略を用いた新しい生成モデルを提案する。
  論文  参考訳（メタデータ） (2024-11-06T23:53:34Z)
• Equivariant graph convolutional neural networks for the representation of homogenized anisotropic microstructural mechanical response [1.283555556182245]
  異なるミクロ構造材料対称性を持つ複合材料は、工学的応用において一般的である。 異方性成分を持つ材料の効果的な均質化モデルを提供するニューラルネットワークアーキテクチャを提供する。
  論文  参考訳（メタデータ） (2024-04-05T14:49:01Z)
• Guided Diffusion for Fast Inverse Design of Density-based Mechanical Metamaterials [41.97258566607252]
  本稿では, ボクセルをベースとしたメカニカルメタマテリアルを生成するために, コアが高度な深層生成AIアルゴリズムである高速逆設計法を提案する。 具体的には, 1283ドルの分解能を持つマイクロ構造を生成できる自己条件拡散モデルを用いて, 特定の均質化行列にわずか3秒でアプローチする。
  論文  参考訳（メタデータ） (2024-01-24T16:31:50Z)
• How to See Hidden Patterns in Metamaterials with Interpretable Machine Learning [82.67551367327634]
  我々は,材料単位セルのパターンを見つけるための,解釈可能な多分解能機械学習フレームワークを開発した。 具体的には、形状周波数特徴と単位セルテンプレートと呼ばれるメタマテリアルの2つの新しい解釈可能な表現を提案する。
  論文  参考訳（メタデータ） (2021-11-10T21:19:02Z)
• Deep Generative Modeling for Mechanistic-based Learning and Design of Metamaterial Systems [20.659457956055366]
  深部生成モデルに基づく新しいデータ駆動メタマテリアル設計フレームワークを提案する。 本研究では,VAEの潜伏空間が,形状類似度を測定するための距離メートル法を提供することを示す。 機能的グレードとヘテロジニアスなメタマテリアルシステムの両方を設計することで、我々のフレームワークを実証する。
  論文  参考訳（メタデータ） (2020-06-27T03:56:55Z)
• Intelligent multiscale simulation based on process-guided composite database [0.0]
  本稿では、プロセスモデリング、材料均質化、機械学習に基づく統合データ駆動モデリングフレームワークを提案する。 我々は, 自動車, 航空宇宙, エレクトロニクス産業において重要な材料システムとして認識されてきた, 射出成形した短繊維強化複合材料に興味を持っている。
  論文  参考訳（メタデータ） (2020-03-20T20:39:19Z)

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。