論文の概要: Generating Physically Plausible Parachute Dynamics with Deep Generative Modeling

• arxiv url: http://arxiv.org/abs/2607.12143v1
• Date: Mon, 13 Jul 2026 20:50:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-15 17:08:29.964242
• Title: Generating Physically Plausible Parachute Dynamics with Deep Generative Modeling
• Title（参考訳）: 深部生成モデルによる物理可塑性パラシュートダイナミクスの生成
• Abstract要約: Symplectic Parachute Generative Adrial Network (SPar-GAN)は、データから直接パラシュートダイナミクスを学習する。 我々は,国立フルスケール空力複合施設で実施されたサブスケールパラシュート試験にSPar-GANを適用した。 実験結果から, 物理制約付き生成モデルでは, 動作条件間でのパラシュートのダイナミクスを特徴付けることが可能であることが示唆された。
• 参考スコア（独自算出の注目度）: 2.327847860343284
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurately modeling the dynamics of planetary parachute and entry vehicle systems is critical for Entry, Descent, and Landing events such as vehicle separation and sensor activation. These dynamics are difficult to capture with traditional system-identification methods as parachute motion is highly nonlinear, the governing equations are not fully known, and relevant test data are scarce and expensive to acquire. In this work, we sidestep these challenges by leveraging a physics-aware generative modeling approach that learns parachute dynamics directly from data. The proposed method, Symplectic Parachute Generative Adversarial Network (SPar-GAN), adapts a Hamiltonian generative architecture to the parachute setting by conditioning on canopy design and freestream velocity, while enforcing conservation of energy through symplectic integration. We apply SPar-GAN to subscale parachute tests conducted at the National Full-Scale Aerodynamics Complex and show that it reproduces qualitatively accurate pitch-yaw dynamics of different parachute configurations while recovering a compact two-degree-of-freedom phase-space consistent with canopy axisymmetry. These results suggest that physics-constrained generative models can characterize parachute dynamics across operating conditions and may help reduce the volume of physical testing required to assess performance.
• Abstract（参考訳）: 惑星パラシュートと入射機システムのダイナミクスを正確にモデル化することは、車両の分離やセンサーのアクティベーションといった、入射、沈下、着陸のイベントにとって重要である。 これらの力学は、パラシュート運動が非常に非線形であり、支配方程式が完全には分かっておらず、関連するテストデータが不足し、取得する費用がかかるため、従来のシステム同定法で捉えることは困難である。 本研究では,データから直接パラシュート力学を学習する物理認識生成モデルアプローチを活用することで,これらの課題を副次的に解決する。 提案手法であるSymphlectic Parachute Generative Adversarial Network (SPar-GAN) は、シンプレクティック統合によるエネルギーの保全を図りつつ、天蓋設計とフリーストリーム速度を条件に、ハミルトン生成アーキテクチャをパラシュート設定に適用する。 本研究では,SPar-GANを国立フルスケール・エアロダイナミックス・コンプレックスで実施したサブスケールパラシュート試験に適用し,キャノピー軸対称に整合したコンパクトな2自由度位相空間を復元しながら,異なるパラシュート構成の定性的に正確なピッチヨーダイナミクスを再現することを示した。 これらの結果から, 物理制約付き生成モデルは, 動作条件間でのパラシュート動特性を特徴付けることができ, 性能評価に必要な物理試験量を削減できる可能性が示唆された。

関連論文リスト

• Nonlinear Model Predictive Control for Trajectory Tracking of Differentially Flat Fixed-Wing Aerial Systems [6.655837620295535]
  固定翼無人航空機(UAV)の計画と制御は、非線形力学、空力限界、環境障害のために困難である。 本稿では,微分平坦性に基づく軌道生成と予測的制約認識制御を統合した統合フレームワークを提案する。 提案手法を広範囲なシミュレーションと実世界の飛行実験により検証し,複雑な軌道の追跡精度とロバスト性の向上を実証した。
  論文  参考訳（メタデータ） (2026-08-21T01:25:35Z)
• A Physics-Grounded Benchmark for Multi-Agent Dynamics in World Models [96.64934195520802]
  我々は、世界モデルの物理的信頼性をストレステストするために設計された物理地上評価フレームワークであるCrashTwinを紹介する。 CrashTwinは、25K制御可能な合成12K実世界の衝突シーケンスを含む、多様なマルチエージェント衝突シナリオのデータセットを結合している。 本稿では,時間的一貫性,運動量,運動エネルギーの保存,世界力学の整合性という3つの次元を体系的に評価する診断スイートを提案する。
  論文  参考訳（メタデータ） (2026-06-27T06:13:35Z)
• SkyJEPA: Learning Long-Horizon World Models for Zero-Shot Sim-to-Real Control of Quadrotors [48.60897189520386]
  本稿では,実時間四重項制御のためのJEPAスタイルモデルを提案する。 我々は、潜伏動力学モデルと、凍結した潜伏者を解釈可能な状態にマッピングする、物理学に着想を得た新しいプロバーを組み合わせる。 高価で安全性の低い実世界のデータ収集への依存を低減するため,自動データセット生成のための構造化パイプラインを構築した。
  論文  参考訳（メタデータ） (2026-06-22T15:00:59Z)
• Aerodynamic force reconstruction using physics-informed Gaussian processes [0.0]
  本研究では,構造的動的応答の雑音測定から基礎となる空力負荷を再構築する機械学習手法を提案する。 このモデルはオーバーフィッティングを回避し、正規化スキームの必要性を排除し、不均一データと多忠実データの使用を可能にする。 結果は、特にルート平均二乗誤差、等級、位相角、信号のピーク値に関連する、真の負荷と予測負荷の強い一致を示す。
  論文  参考訳（メタデータ） (2026-05-21T07:45:19Z)
• Rollback-Free Stable Brick Structures Generation [51.856925926010184]
  既存のアプローチでは、リジェクションサンプリングとブロック・バイ・ブロックのロールバックを行うために、推論中に外部物理シミュレータに依存している。 本稿では,身体的妥当性をテスト時間補正からトレーニング時間ポリシー最適化にシフトさせる強化学習パラダイムを提案する。 実験結果から,提案手法は予測速度を桁違いに向上させつつ,最先端の生成品質を実現することを示す。
  論文  参考訳（メタデータ） (2026-05-07T21:06:44Z)
• Trajectory Generation for Underactuated Soft Robot Manipulators using Discrete Elastic Rod Dynamics [2.739506394240299]
  動的に実現可能な軌道を持つ計画運動は任意の変形を捉えるモデルを必要とする。 本研究は,空気圧式ソフトロボットアームを用いた軌道生成の枠組みを実験的に検証する。
  論文  参考訳（メタデータ） (2026-03-23T22:01:14Z)
• Physics-infused Learning for Aerial Manipulator in Winds and Near-Wall Environments [3.895172208362693]
  空中操作(AM)は、受動的観測から高高度およびその他の到達不能な環境での接触操作まで、UAV能力を拡大する。 本稿では,物理に基づくブレード要素モデルと学習に基づく残留力推定器を統合し,外乱補償のためのロータ速度割当戦略を組み込むことにより,統一的な制御フレームワークを実現する。 その結果, 従来の手法よりも外乱推定と軌道追跡精度が向上し, 困難な空力条件下でのロバストな壁面接触実行が可能となった。
  論文  参考訳（メタデータ） (2026-03-08T22:08:15Z)
• Scalable Spatio-Temporal SE(3) Diffusion for Long-Horizon Protein Dynamics [51.85385061275941]
  分子動力学(MD)シミュレーションは、タンパク質動力学研究のゴールドスタンダードのままである。 近年の生成モデルではシミュレーションの加速が期待できるが、長軸生成に苦慮している。 物理的に可塑性なタンパク質軌道をマイクロスケールの時間スケールで生成する拡張拡散モデルSTAR-MDを提案する。
  論文  参考訳（メタデータ） (2026-02-02T14:13:28Z)
• Forecasting Continuous Non-Conservative Dynamical Systems in SO(3) [51.510040541600176]
  コンピュータビジョンにおける移動物体の回転をモデル化するための新しい手法を提案する。 我々のアプローチは、入力ノイズに対して頑健でありながら、エネルギーと運動量保存に非依存である。 トレーニング中の雑音状態から物体のダイナミクスを近似させることで、シミュレーションや様々な現実世界の設定において頑健な外挿能力が得られる。
  論文  参考訳（メタデータ） (2025-08-11T09:03:10Z)
• A physics-informed machine learning model for reconstruction of dynamic loads [0.0]
  本稿では, 物理インフォームド・マシン・ラーニング・フレームワークを用いて, 測定された偏向, 速度, 加速度に基づいて動的力の再構成を行う。 このフレームワークは不完全で汚染されたデータを扱うことができ、ノイズ測定システムを考慮した自然な正規化手法を提供する。 開発されたフレームワークには、設計モデルと仮定、損傷検出と健康モニタリングを支援するための応答の予後が含まれる。
  論文  参考訳（メタデータ） (2023-08-15T18:33:58Z)
• Physics-Inspired Temporal Learning of Quadrotor Dynamics for Accurate Model Predictive Trajectory Tracking [76.27433308688592]
  クオーロタのシステムダイナミクスを正確にモデル化することは、アジャイル、安全、安定したナビゲーションを保証する上で非常に重要です。 本稿では,ロボットの経験から,四重項系の力学を純粋に学習するための新しい物理インスパイアされた時間畳み込みネットワーク(PI-TCN)を提案する。 提案手法は,スパース時間的畳み込みと高密度フィードフォワード接続の表現力を組み合わせて,正確なシステム予測を行う。
  論文  参考訳（メタデータ） (2022-06-07T13:51:35Z)
• Data-driven Aerodynamic Analysis of Structures using Gaussian Processes [0.0]
  本稿では,橋梁に作用する非線形自励力のデータ駆動モデルを提案する。 このフレームワークは、CFD(Computational Fluid Dynamics)データに基づいて、合理化およびブラフブリッジデッキに適用される。 提案フレームワークのさらなる応用は,細線状構造物の設計とオンラインリアルタイム監視に期待できる。
  論文  参考訳（メタデータ） (2021-03-20T11:22:24Z)

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。