論文の概要: Strouhal-Aware Model Predictive Control for Efficient Multi-Fin Flapping Locomotion

• arxiv url: http://arxiv.org/abs/2607.03216v1
• Date: Fri, 03 Jul 2026 11:30:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-09 12:53:30.575651
• Title: Strouhal-Aware Model Predictive Control for Efficient Multi-Fin Flapping Locomotion
• Title（参考訳）: Strouhal-Aware Model Predictive Control for Efficient Multi-Fin Flapping Locomotion
• Abstract要約: 我々は自律型水中車両のためのストローハル対応モデル予測制御(MPC)を開発した。 コントローラーは各フィンを最適なストローハル回廊内に保持し、コマンドフォースを正確に追跡する。 提案手法は, 到達不可能な逆モデルである0.4m/sの速度も許容する。
• 参考スコア（独自算出の注目度）: 3.643400431800639
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Efficient flapping propulsion hinges on operating within a narrow Strouhal number window, a principle nature has converged upon for maximum thrust-to-power ratio. We translate this bioinspired empirical rule into real-time control, demonstrating it on an autonomous underwater vehicle driven by four soft fins. The proposed Strouhal-aware Model Predictive Control (MPC) enhances a quasi-steady hydrodynamic model with an explicit penalty for Strouhal deviation, solving the resulting nonconvex problem via a two-stage sampling and gradient optimization that runs onboard at 25 Hz. Pool and field trials show that the controller keeps each fin within the optimal Strouhal corridor (0.25-0.35) while precisely tracking commanded forces. This results in a mean reduction in mechanical power of 8.8\% to 32\% throughout the cruising range of 0.1 to 0.3 m/s. The proposed method also allows for a velocity of 0.4 m/s, which is unattainable for a baseline of the conventional inverse model. The results confirm that embedding first-principle flow physics into an MPC objective yields tangible endurance gains without sacrificing agility, offering a generic pathway to energy-aware locomotion in next-generation multifin robots.
• Abstract（参考訳）: 狭いストローハル数窓内での効率的な羽ばたき式推進ヒンジは、最大推力比に収束している。 我々は、このバイオインスパイアされた経験則をリアルタイムで制御し、4つの軟らかいひれで駆動される自律型水中車両でそれを実証する。 提案したStrouhal-aware Model Predictive Control (MPC) は、Strouhalの偏差に対して明示的なペナルティを持つ準定常流体力学モデルを強化し、25Hzで稼働する2段階サンプリングと勾配最適化により、結果として生じる非凸問題を解く。 プールとフィールドでの試験では、制御部は各フィンを最適なストローハル回廊(0.25-0.35)内に保持し、指示された力を正確に追跡している。 これにより、巡航距離0.1m/sから0.3m/sで平均8.8\%から32\%の機械パワーが低下する。 提案手法では,従来の逆モデルのベースラインでは到達できない0.4m/sの速度も可能である。 その結果、第一原理フロー物理をMPCの目的に組み込むことで、俊敏性を犠牲にすることなく、有形耐久性が得られ、次世代マルチフィンロボットにおけるエネルギーを意識した移動への一般的な経路が提供されることが確認された。

関連論文リスト

• Extending the Speed Limit of Quadrupedal Locomotion via Refined Actuator Modeling and Adaptive Command Scheduling [0.9298381080776307]
  そこで本研究では,Sim-to-realの相違を低減し,幅広いコマンド分布での学習を安定化する高速移動フレームワークを提案する。 精密アクチュエータモデルは、高速な電圧結合と磁気飽和を明示的に捉え、トルク速度エンベロープのより正確な表現を可能にする。 36.5kgのブラックパンサー2の実験では、トレッドミルで最大13.2m/s、屋外で11.65m/sの速度を示し、新しい最先端技術を確立した。
  論文  参考訳（メタデータ） (2026-09-09T08:45:38Z)
• Physics-Aware End-to-End Deep Reinforcement Learning for Quadcopter Control with Actuator Dynamics [0.0]
  無人航空機(UAV)は、不安定な動特性のために自律制御に固有の課題を提示する。 本稿では,低レベルの身体入力に直接作用する物理認識・エンドツーエンドの深部強化学習(DRL)手法について検討する。 DDPG, TD3, PPO, SACの4つのDRLアルゴリズムを, (S1) 推力のみのホバーと (S2) ピッチトルクと翻訳目標の2段階で評価した。
  論文  参考訳（メタデータ） (2026-07-28T17:05:47Z)
• Entropy Across the Bridge: Conditional-Marginal Discretization for Flow and Schrödinger Samplers [68.9946633641494]
  フローマッチングとシュルディンガーブリッジは確率を定義するが、その推論格子は通常一点拡散から受け継がれる。 終端条件付き橋梁形状を境界流の進化から分離し, 橋梁を識別する条件付きエントロピーレートを導出する。 EDM/CIFAR-10では、エントロピックな時間分散は5段階のFID(186.3 pm 4.0対200.5 pm 2.9対cosineの238.0 pm 5.3)が最適である。
  論文  参考訳（メタデータ） (2026-05-15T16:11:10Z)
• LE-PAVD: Learning-Enhanced Physics-Aware Vehicle Dynamics for High-Speed Autonomous Navigation [2.5199066832791526]
  本研究では,物理先行と学習部品を統合するハイブリッドモデルLE-PAVD(Learning-Enhanced Physics-Aware Vehicle Dynamics)を提案する。 私たちのアーキテクチャでは、負荷に敏感なPacejkaタイヤ力、縦方向の荷重伝達、横方向のタイヤ力効果、速度制限アクチュエータ入力の4つのコンポーネントを追加しています。 未確認トラックでは、LE-PAVDは平均変位誤差(ADE)を16.1$%、最終変位誤差(FDE)を20.6$%、Yaw-rate root mean squared error(RMSE)を91.3$%、深さを91.3$%下げる。
  論文  参考訳（メタデータ） (2026-05-08T21:07:47Z)
• Uncertainty-Aware Adaptive Dynamics For Underwater Vehicle-Manipulator Robots [0.5161531917413708]
  本稿では,新しい不確実性を考慮した適応力学モデルフレームワークを提案する。 オンライン推定中に、凸的な物理的一貫性の制約を埋め込む。 4-DOFマニピュレータを搭載したBlueROV2ヘビーの実験は、急速に収束し、キャリブレーションされた予測を示す。
  論文  参考訳（メタデータ） (2026-03-06T18:35:48Z)
• Physics-informed Neural-operator Predictive Control for Drag Reduction in Turbulent Flows [109.99020160824553]
  乱流のモデリングと制御のための効率的な深部強化学習フレームワークを提案する。 予測制御(PC)のためのモデルベースRLであり、乱流制御のためのポリシとオブザーバモデルの両方を共同で学習する。 その結果, PINO-PCは, バルク速度レイノルズ数15,000で39.0%の抗力低下を達成し, 従来の流体制御法を32%以上上回った。
  論文  参考訳（メタデータ） (2025-10-03T00:18:26Z)
• Fast and Generalizable parameter-embedded Neural Operators for Lithium-Ion Battery Simulation [1.099532646524593]
  我々は,Deep Operator Networks (DeepONets), Fourier Neural Operators (FNOs), and a new proposed parameter-embedded Fourier Neural Operator (PE-FNO)の3つの演算子学習サロゲートをベンチマークした。 DeepONetは、一定の動作を正確に再現するが、よりダイナミックな負荷に対処する。FNOはメッシュ不変性を維持し、濃度誤差を1%以下に抑え、すべての負荷タイプで1.7mV以下の電圧平均絶対誤差を発生させる。PE-FNOは16スレッドのSPMソルバよりも約200倍高速に実行される。
  論文  参考訳（メタデータ） (2025-08-11T15:31:23Z)
• Planar Velocity Estimation for Fast-Moving Mobile Robots Using Event-Based Optical Flow [1.4447019135112429]
  本稿では,車輪と表面のトラクションの仮定から分離した速度推定手法を提案する。 提案手法は1:10スケールの自律レースプラットフォーム上でのフィールド実験により評価される。
  論文  参考訳（メタデータ） (2025-05-16T11:00:33Z)
• Learn to Swim: Data-Driven LSTM Hydrodynamic Model for Quadruped Robot Gait Optimization [3.0610505741393057]
  本稿では,水中四足歩行ロボットにおける非定常非線形流体力予測のためのネットワークベース流体実験データ駆動モデル(FED-LSTM)を提案する。 循環式水槽と曳航式水槽の両方で実施した脚力および体力試験からの実験データに基づいて訓練を行った。 このモデルは複雑な流体力学を捉える際に優れた精度と適応性を示す。
  論文  参考訳（メタデータ） (2025-05-06T03:42:16Z)
• A Tricycle Model to Accurately Control an Autonomous Racecar with Locked Differential [71.53284767149685]
  自動オープンホイールレースカーの側面力学に対するロックディファレンシャルの影響をモデル化するための新しい定式化を提案する。 本稿では,マイクロステップの離散化手法を用いて,動的に線形化し,実時間実装に適した予測を行う。
  論文  参考訳（メタデータ） (2023-12-22T16:29:55Z)
• Ultra-low Power Deep Learning-based Monocular Relative Localization Onboard Nano-quadrotors [64.68349896377629]
  この研究は、2つのピアナノドロンのディープニューラルネットワーク(DNN)を介して、単分子の相対的な局所化に対処する、新しい自律的なエンドツーエンドシステムを示す。 超制約ナノドローンプラットフォームに対処するため,データセットの増大,量子化,システム最適化などを含む垂直統合フレームワークを提案する。 実験の結果,DNNは低分解能モノクローム画像のみを用いて最大2mの距離で10cmのターゲットナノドローンを正確に局在させることができることがわかった。
  論文  参考訳（メタデータ） (2023-03-03T14:14:08Z)
• Motion Planning and Control for Multi Vehicle Autonomous Racing at High Speeds [100.61456258283245]
  本稿では,自律走行のための多層移動計画と制御アーキテクチャを提案する。 提案手法はダララのAV-21レースカーに適用され、楕円形のレーストラックで25$m/s2$まで加速試験された。
  論文  参考訳（メタデータ） (2022-07-22T15:16:54Z)
• StreamYOLO: Real-time Object Detection for Streaming Perception [84.2559631820007]
  将来を予測する能力を備えたモデルを提供し、ストリーミング知覚の結果を大幅に改善する。 本稿では,複数の速度を駆動するシーンについて考察し,VasAP(Velocity-Awared streaming AP)を提案する。 本手法は,Argoverse-HDデータセットの最先端性能を実現し,SAPとVsAPをそれぞれ4.7%,VsAPを8.2%改善する。
  論文  参考訳（メタデータ） (2022-07-21T12:03:02Z)

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。