論文の概要: Koopman DCM: Unstable Eigenfunctions as Data-driven Representations for Legged Balancing

• arxiv url: http://arxiv.org/abs/2607.18760v1
• Date: Tue, 21 Jul 2026 06:34:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-22 19:05:05.337199
• Title: Koopman DCM: Unstable Eigenfunctions as Data-driven Representations for Legged Balancing
• Title（参考訳）: Koopman DCM: 足のバランスをとるためのデータ駆動表現としての不安定な固有関数
• Abstract要約: 運動の発散成分(DCM)は、より一般的にクープマン固有関数として定式化できることを示す。 結果のKoopman DCMは、実際のロボットデータのみを使用してトレーニングされた、データ駆動のオブザーバブルである。
• 参考スコア（独自算出の注目度）: 1.7731206588169937
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In legged locomotion, divergent components of motion (DCMs) have emerged as characteristic states for balance control. They isolate the unstable mode of the dynamics but, in existing formulations, apply only to reduced models such as the linear inverted pendulum. In this study, we show how DCMs can be more generally formulated as Koopman eigenfunctions. Whereas Koopman analysis typically targets eigenvalues near zero, which capture conserved or slowly varying quantities, our investigation leads us to deliberately search for unstable eigenpairs with large eigenvalues. The resulting Koopman DCMs are data-driven observables trained using only real-robot data. On a real biped, DCMs learned from one hour of robot data improve tracking of reference walking patterns. We further show how learned DCMs provide state-based viability constraints when combined with model predictive control.
• Abstract（参考訳）: 足の移動では、バランス制御の特徴的な状態として運動の発散成分(DCM)が出現している。 彼らは力学の不安定モードを分離するが、既存の定式化では線形反転振子のような縮小モデルにのみ適用する。 本研究では, DCM がより一般にクープマン固有関数として定式化されることを示す。 クープマン解析は一般に0付近の固有値が対象であり,保存量やゆっくり変化する量を捕捉するのに対して,我々の研究は,大きな固有値を持つ不安定な固有ペアを意図的に探索することにつながる。 結果のKoopman DCMは、実際のロボットデータのみを使用してトレーニングされた、データ駆動のオブザーバブルである。 実際の二足歩行で、DCMは1時間のロボットデータから学習し、基準歩行パターンの追跡を改善した。 さらに、学習したDCMが、モデル予測制御と組み合わせることで、状態ベースの生存可能性制約をどのように提供するかを示す。

関連論文リスト

• Dynamics-aware identification of governing equations from sparse and noisy data [5.4806374384787695]
  粗度および雑音時間測定のためのクープマンを用いたアップサンプリング手法の評価を行った。 低ランクDMDによる再建はバーガースと対流拡散の発見を改善した。 また,DMD支援のアップサンプリングにより,非視線支援サイズ選択の安定化が図れることを示した。
  論文  参考訳（メタデータ） (2026-07-31T05:21:43Z)
• MotionMAR: Multi-scale Auto-Regressive Human Motion Reconstruction from Sparse Observations [51.837372131319285]
  MotionMARは、スパース観測からの運動再構成のためのフレームワークである。 まず、人間の動きのグローバルな軌跡を推定し、時間的詳細を徐々に洗練する。 MotionMARは、AMASSデータセット上で最先端の精度を達成する。
  論文  参考訳（メタデータ） (2026-06-22T08:15:56Z)
• TrajBooster: Boosting Humanoid Whole-Body Manipulation via Trajectory-Centric Learning [79.59753528758361]
  両足のVLAを促進するために、豊富な車輪付きヒューマノイドデータを活用するクロス・エボディメント・フレームワークであるTrajBoosterを提案する。 私たちのキーとなる考え方は、形態素に依存しないインターフェースとして、エンドエフェクタ・トラジェクトリを使用することです。 以上の結果から,TrajBoosterは既存の車輪付きヒューマノイドデータにより,二足歩行ヒューマノイドVLAの性能を効率的に向上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） (2025-09-15T12:25:39Z)
• Grassmannian Geometry Meets Dynamic Mode Decomposition in DMD-GEN: A New Metric for Mode Collapse in Time Series Generative Models [0.0]
  Generative Adversarial Networks (GANs) や Variational Autoencoders (Es) のような生成モデルは、トレーニングデータの完全な多様性をキャプチャできず、モード崩壊につながることが多い。 本稿では,時系列に特有のモード崩壊の定義を導入し,その重大度を定量化するための新しい計量 DMD-GEN を提案する。
  論文  参考訳（メタデータ） (2024-12-15T19:53:17Z)
• Analysis of Truncated Singular Value Decomposition for Koopman Operator-Based Lane Change Model [0.0]
  Singular Value Decomposition (SVD) は、膨大なデータセットからクープマン作用素を効率的に近似するために用いられる。 本研究は,車線変化挙動モデルを表現するために,EDMDで使用される異なる基底関数と,切り離されたSVDのランクを評価する。 しかし, この結果から, 乱れたSVDの手法が必ずしも計算訓練時間を大幅に短縮するとは限らないことが示唆された。
  論文  参考訳（メタデータ） (2024-09-27T09:45:21Z)
• Semi-Supervised Model-Free Bayesian State Estimation from Compressed Measurements [57.04370580292727]
  圧縮測定によるベイズ状態の推定について考察する。 時間的測定ベクトルの寸法は、推定される時間的状態ベクトルの寸法よりも小さい。 状態の進化の基盤となる力学モデルは「モデルフリープロセス」では未知数である。
  論文  参考訳（メタデータ） (2024-07-10T05:03:48Z)
• Data-driven Nonlinear Model Reduction using Koopman Theory: Integrated Control Form and NMPC Case Study [56.283944756315066]
  そこで本研究では,遅延座標符号化と全状態復号化を組み合わせた汎用モデル構造を提案し,Koopmanモデリングと状態推定を統合した。 ケーススタディでは,本手法が正確な制御モデルを提供し,高純度極低温蒸留塔のリアルタイム非線形予測制御を可能にすることを実証している。
  論文  参考訳（メタデータ） (2024-01-09T11:54:54Z)
• Trajeglish: Traffic Modeling as Next-Token Prediction [67.28197954427638]
  自動運転開発における長年の課題は、記録された運転ログからシードされた動的運転シナリオをシミュレートすることだ。 車両、歩行者、サイクリストが運転シナリオでどのように相互作用するかをモデル化するために、離散シーケンスモデリングのツールを適用します。 我々のモデルはSim Agents Benchmarkを上回り、リアリズムメタメトリックの先行作業の3.3%、インタラクションメトリックの9.9%を上回ります。
  論文  参考訳（メタデータ） (2023-12-07T18:53:27Z)
• Generative Modeling of Regular and Irregular Time Series Data via Koopman VAEs [50.25683648762602]
  モデルの新しい設計に基づく新しい生成フレームワークであるKoopman VAEを紹介する。 クープマン理論に触発され、線形写像を用いて潜在条件事前力学を表現する。 KoVAEは、いくつかの挑戦的な合成および実世界の時系列生成ベンチマークにおいて、最先端のGANおよびVAEメソッドより優れている。
  論文  参考訳（メタデータ） (2023-10-04T07:14:43Z)
• Beyond expectations: Residual Dynamic Mode Decomposition and Variance for Stochastic Dynamical Systems [8.259767785187805]
  ダイナミックモード分解(Dynamic Mode Decomposition, DMD)は、プロジェクションベースの手法のポスターチャイルドである。 統計的コヒーレンシーを測るための分散擬似スペクトルの概念を導入する。 本研究は、シミュレーションデータと実験データの両方を用いた実用的応用を結論付けている。
  論文  参考訳（メタデータ） (2023-08-21T13:05:12Z)
• Sharp Spectral Rates for Koopman Operator Learning [27.820383937933034]
  クープマン固有値と固有関数に対する非漸近学習境界を初めて提示する。 我々の結果は、突発的固有値の出現に新たな光を当てた。
  論文  参考訳（メタデータ） (2023-02-03T21:19:56Z)
• Switching Recurrent Kalman Networks [19.262453343037116]
  本稿では,非線形およびマルチモーダル時系列データに対する効率的な推測と予測のためのスイッチング・リカレント・カルマン・ネットワーク(SRKN)を提案する。 我々は、ポルト市内のタクシーから得られたおもちゃのデータセットと実際の運転データに基づいて、その結果のスケーラブルで解釈可能なディープステートスペースモデルを実証的にテストする。
  論文  参考訳（メタデータ） (2021-11-16T08:31:25Z)
• Motion Prediction Using Temporal Inception Module [96.76721173517895]
  人間の動作を符号化するTIM(Temporal Inception Module)を提案する。 本フレームワークは,異なる入力長に対して異なるカーネルサイズを用いて,畳み込み層を用いて入力埋め込みを生成する。 標準的な動き予測ベンチマークデータセットであるHuman3.6MとCMUのモーションキャプチャデータセットの実験結果から,我々の手法は一貫して技術手法の状態を上回ります。
  論文  参考訳（メタデータ） (2020-10-06T20:26:01Z)

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。