論文の概要: Discrete Geometric Modeling and Extended State Estimation of Continuum Robots

• arxiv url: http://arxiv.org/abs/2606.21205v1
• Date: Fri, 19 Jun 2026 08:17:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-26 07:23:04.588361
• Title: Discrete Geometric Modeling and Extended State Estimation of Continuum Robots
• Title（参考訳）: 連続ロボットの離散幾何学的モデリングと拡張状態推定
• Authors: Maximilian Herrmann, Leander Pfeiffer, Paul Kotyczka,
• Abstract要約: 本稿では,連続ロボットの高精度かつ数値的動的モデリングと状態推定のための,完全に離散的なアプローチを提案する。 このモデルは、最小のひずみベースの定式化における幾何学的に正確なビームに基づいており、リー群変分法(英語版)の枠組みから導出される。 次に,モデルの不確かさや外乱を確実に推定する拡張カルマンフィルタの定式化に基づく外乱オブザーバを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: In this paper, we present a fully discrete approach for the accurate and numerically efficient dynamical modeling and state estimation of continuum robots. The model is based on geometrically exact beams in a minimal, strain-based formulation and derived in the framework of Lie group variational integrators, allowing to preserve important geometric properties that we exploit to achieve high accuracy and numerical efficiency. We then propose a disturbance observer based on an extended Kalman filter formulation that reliably estimates system states as well as model uncertainties and external disturbances. Experiments on a real system validate the accuracy and efficiency of the proposed model and observer.
• Abstract（参考訳）: 本稿では,連続体ロボットの高精度かつ数値的動的モデリングと状態推定のための,完全離散的なアプローチを提案する。 このモデルは、最小のひずみに基づく定式化の幾何学的正確なビームに基づいており、リー群変分積分器の枠組みから導出され、我々は高い精度と数値効率を達成するために利用する重要な幾何学的性質を保存できる。 次に,モデルの不確かさや外乱を確実に推定する拡張カルマンフィルタの定式化に基づく外乱オブザーバを提案する。 実システムの実験は、提案モデルとオブザーバの精度と効率を検証する。

関連論文リスト

• A Quadratic Order Reduction -- Gaussian Process Ordinary Differential Equation framework for the inference of Large Continuous Dynamical Systems [0.0]
  本稿では,カーネル自律型常微分方程式を用いた複雑な力学系の予測フレームワークを提案する。 安定性を保ちながら,2次次縮小次数モデリングと球面投影を併用し,潜在力学を効率的に学習する。 結果は、厳密な不確実性定量化を伴う複雑な力学系を予測するための頑健で安定したツールとしてのフレームワークの可能性を示す。
  論文  参考訳（メタデータ） (2026-06-11T08:49:18Z)
• Hybrid twinning using PBDW and DeepONet for the effective state estimation and prediction on partially known systems [0.0]
  本研究では,物理に基づくモデリングとデータ駆動学習を組み合わせ,状態推定を強化する効果的なハイブリッド手法を提案する。 ヘルムホルツ方程式を含む代表問題に対する提案手法を検証した。
  論文  参考訳（メタデータ） (2025-12-03T12:19:00Z)
• Bridging Idealized and Operational Models: An Explainable AI Framework for Earth System Emulators [9.402119111650613]
  我々は地球系エミュレータのための説明可能なAIフレームワークを開発した。 再構成された潜在データ同化技術によってモデル階層をブリッジする。 理想化されたモデルから目標とする改善を通じて、グローバルな精度の向上を実現する。
  論文  参考訳（メタデータ） (2025-10-14T23:02:40Z)
• Efficient Transformed Gaussian Process State-Space Models for Non-Stationary High-Dimensional Dynamical Systems [49.819436680336786]
  本研究では,高次元非定常力学系のスケーラブルかつ柔軟なモデリングのための効率的な変換ガウス過程状態空間モデル(ETGPSSM)を提案する。 具体的には、ETGPSSMは、単一の共有GPと入力依存の正規化フローを統合し、複雑な非定常遷移ダイナミクスを捉える前に、表現的な暗黙のプロセスを生成する。 ETGPSSMは、計算効率と精度の観点から、既存のGPSSMとニューラルネットワークベースのSSMより優れています。
  論文  参考訳（メタデータ） (2025-03-24T03:19:45Z)
• Numerically Stable Sparse Gaussian Processes via Minimum Separation using Cover Trees [57.67528738886731]
  誘導点に基づくスケーラブルスパース近似の数値安定性について検討する。 地理空間モデリングなどの低次元タスクに対しては,これらの条件を満たす点を自動計算する手法を提案する。
  論文  参考訳（メタデータ） (2022-10-14T15:20:17Z)
• LEARNEST: LEARNing Enhanced Model-based State ESTimation for Robots using Knowledge-based Neural Ordinary Differential Equations [4.3403382998035624]
  本研究では、状態推定アルゴリズムで用いられる力学モデルを強化することにより、ロボットシステムの正確な状態推定を行うタスクについて考察する。 動的モデルの強化と推定精度の向上のために,知識ベースニューラル常微分方程式(KNODE)と呼ばれるディープラーニングフレームワークを利用する。 提案する LEARNEST フレームワークでは,データ駆動モデルと KNODE-MHE と KNODE-UKF の2つの新しいモデルベース状態推定アルゴリズムを統合する。
  論文  参考訳（メタデータ） (2022-09-16T22:16:40Z)
• Anomaly Detection of Time Series with Smoothness-Inducing Sequential Variational Auto-Encoder [59.69303945834122]
  Smoothness-Inducing Sequential Variational Auto-Encoder (SISVAE) モデルを提案する。 我々のモデルは、フレキシブルニューラルネットワークを用いて各タイムスタンプの平均と分散をパラメータ化する。 合成データセットと公開実世界のベンチマークの両方において,本モデルの有効性を示す。
  論文  参考訳（メタデータ） (2021-02-02T06:15:15Z)
• Robots State Estimation and Observability Analysis Based on Statistical Motion Models [10.941793802354953]
  本稿では,移動ロボットの動特性(翻訳と回転)を捉える汎用動作モデルを提案する。 このモデルは白色ランダムプロセスによって駆動される統計モデルに基づいており、エラー状態拡張カルマンフィルタリングフレームワーク(ESEKF)に基づく完全な状態推定アルゴリズムに定式化されている。 システム状態の観測不能なサブセットを特徴付けるために、新しいtexttextbfitthin セットの概念が導入された。
  論文  参考訳（メタデータ） (2020-10-12T18:35:33Z)

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。