論文の概要: Multi-Domain Physics-Based MDO of Multirotor UAVs: A Deterministic Framework for Discrete COTS Sizing
- arxiv url: http://arxiv.org/abs/2607.22768v1
- Date: Fri, 24 Jul 2026 03:52:36 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-28 22:34:14.871613
- Title: Multi-Domain Physics-Based MDO of Multirotor UAVs: A Deterministic Framework for Discrete COTS Sizing
- Title（参考訳）: マルチロータUAVのマルチドメイン物理ベースMDO:COTSサイズを離散化するための決定論的フレームワーク
- Abstract要約: 本稿では物理に基づくマルチディシプリナ設計最適化(MDO)エンジンであるAeroEvalについて述べる。
エンジンは、連続サイズ最適化を物理的に購入可能な商用オフザシェルフ(COTS)コンポーネントにマップする。
バッテリーの質量は単パックプラットフォームで7.9%の範囲で予測される。
- 参考スコア（独自算出の注目度）: 1.6114012813668932
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Multirotor Unmanned Aerial Vehicle (UAV) design is governed by a tightly coupled system of non-linear equations spanning structural mechanics, electrochemistry, aerodynamics, and kinematics. Solved sequentially, a miscalibrated sub-model coefficient triggers a mass-compounding cascade failure--the Mass Snowball effect. This paper presents AeroEval, a physics-based, Multidisciplinary Design Optimization (MDO) engine that simultaneously resolves all subsystem couplings and maps continuous sizing optima to physically purchasable, commercial off-the-shelf (COTS) components. The MDO engine is validated under a strict calibrate/test protocol that eliminates circularity: three structural/packaging coefficients are fitted on a held-out cohort of 20 do-it-yourself (DIY) and legacy platforms, then frozen and evaluated blind on 19 modern commercial drone platforms spanning 377 g to 76 kg. On the commercial test cohort the engine predicts Maximum Takeoff Weight (MTOW) within 7.2% Mean Absolute Percentage Error (MAPE), with a mean complexity factor $k \approx 1.05 \pm 0.08$ and $\text{RMSE}_{\text{MTOW}} = 1.59$ kg; the DIY calibration cohort, characterized by high build variability, yields 26.1% MAPE. Battery mass is predicted within 7.9% on single-pack platforms, with a disclosed systematic underprediction on redundant multi-battery enterprise platforms. A 14-parameter sensitivity suite of >300 simulations quantifies partial derivatives of takeoff mass and flight time; forward velocity diverges beyond 25.5 m/s due to cubic parasite power growth. The path-dependent mass-shedding model for agricultural and delivery roles reduces structural frame mass by up to 40.6% and energy capacity by 33.7% relative to static baselines. Typical solver convergence requires 25-50 iterations, completing in under 50 ms on a standard desktop CPU.
- Abstract（参考訳）: マルチロータ無人航空機(UAV)の設計は、構造力学、電気化学、空気力学、キネマティックスにまたがる非線形方程式の密結合系によって制御される。
次々に解決され、誤校正されたサブモデル係数は、マス・スノーボール効果(Mass Snowball effect)と呼ばれるマス・コンポーティング・カスケードの故障を引き起こす。
本稿では,物理に基づくマルチディシプリナ設計最適化(MDO)エンジンであるAeroEvalについて述べる。
3つの構造/パッケージ係数を20のdo-it-yourself(DIY)とレガシプラットフォームで保持されたコホートに取り付け、それから377gから76kgの近代的な商用ドローンプラットフォーム19の凍結と評価を行う。
商用テストコホートでは、エンジンは最大離陸重量(MTOW)を平均複雑性係数$k \approx 1.05 \pm 0.08$と$\text{RMSE}_{\text{MTOW}} = 1.59$ kgで7.2%の平均絶対吸入誤差(MAPE)で予測する。
バッテリーの質量はシングルパックプラットフォームでは7.9%で予測され、冗長なマルチバッテリーエンタープライズプラットフォームでは系統的な下振れが明らかにされている。
300のシミュレーションによる14パラメータの感度スイートは、離陸質量と飛行時間の偏微分を定量化し、前方速度は立方寄生虫のパワー成長により25.5m/sを超える。
経路に依存した農業と配達の役割の質量分離モデルは、構造フレームの質量を最大40.6%減らし、エネルギー容量を静的ベースラインに対して33.7%減らしている。
典型的なソルバ収束には25～50回が必要で、通常のデスクトップCPUでは50ミリ秒以下で完了する。
関連論文リスト
- nBMS, a Neuromorphic Battery Management System with a Silicon-Validated Spiking State-of-Charge Core for eVTOL Aircraft [0.0]
イベント駆動スパイクネットワークは、時間ごとの充電状態推定のために設計されている。
システムは低コストの自動車品質のArtix-7フィールドプログラマブルゲートアレイ上に展開される。
完全なアノテート後分析では、1回の推論で1.30$Jとなり、0.5Hzのミッションケイデンスで平均0.65$Wとなる。
論文 参考訳（メタデータ） (2026-09-11T20:12:16Z) - SoRoMoX: Fast, Differentiable, and Parallelizable Soft Robot Models [40.64972837908431]
SoRoMoXは、統一された制御可能なインターフェースを通じて、明瞭な、Piecewise Constant Strain、および可変ストレインモデルを実装している。
連続したCPUロールアウトは最先端の代替よりも18.1倍速く、GPU並列ロールアウトはスループットを最大234.6倍向上させる。
論文 参考訳（メタデータ） (2026-08-06T23:31:47Z) - Mach-Mind-4-Flash Technical Report [0.0]
Mach-Mind-4-Flashは3Bアクティベートパラメータを持つMixture-of-Experts (MoE)エージェントモデルである。
トレーニング後の最適化は、事前学習計算をスケーリングすることなく、100B-パラメータクラスのモデルと同等かそれ以上のパフォーマンスを達成する。
論文 参考訳（メタデータ） (2026-07-10T12:57:08Z) - Strouhal-Aware Model Predictive Control for Efficient Multi-Fin Flapping Locomotion [3.643400431800639]
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。
論文 参考訳（メタデータ） (2026-07-03T11:30:53Z) - CoDMD: Copula-aware Distribution Matching Distillation for Fast Video Generation [50.353919095724315]
実世界のシナリオにおける効率的な展開の急激な需要により,ビデオ拡散モデルの蒸留が注目されている。
我々は,凍結教師とオンライン偽モデルによって既に生成されているスコア推定を再利用し,対関係行列を構成する軽量リレーショナルレギュレータであるCopula-Aware DMD(CoDMD)を提案する。
1.3Bと14BスケールのWan-2.1-T2Vモデルシリーズで、CoDMDは50ステップの教師を4ステップの学生に蒸留し、VBenchスコア84.46と84.87を達成しながら、およそ25$times$ Speed-upを達成した。
論文 参考訳（メタデータ） (2026-06-20T10:33:14Z) - RoverDevKit: An open, physics-grounded tradespace toolkit for conceptual design of lunar micro-rovers [0.0]
RoverKitは, テラメカニクス, 質量, パワー, サーマルサバイバル, トラバースを結合したオープン解析評価器である。
海面、極高地、クレーターリムのシナリオ全体で、NSGA-IIフロントは、結合設計の取引が単一の質量クラス内のミッションプロファイルとともに変化することを示している。
論文 参考訳（メタデータ） (2026-06-19T21:14:07Z) - UTOPYA: A Multimodal Deep Learning Framework for Physics-Informed Anomaly Detection and Time-Series Prediction [42.532335022354545]
バッチプロセスにおける異常検出は、過渡的ダイナミクス、欠陥ラベルの不足、単一モードセンサデータへの依存によって妨げられる。
本研究は, バッチ蒸留における異常検出, 時系列予測, 位相分類を共同で扱うマルチモーダルフレームワークUTOPYAを紹介する。
本研究で導入された物理インフォームド正規化スキームは、時間的滑らかさと熱力学的モノトニクスを強制する。
論文 参考訳（メタデータ） (2026-05-18T10:28:15Z) - PnP-Corrector: A Universal Correction Framework for Coupled Spatiotemporal Forecasting [62.22445401483844]
既存の手法は複雑なエラーのボトルネックによって厳しく制約されている。
我々は-Cast-Corrector (Plug-and-Play Corrector)と呼ばれる普遍的なフレームワークを提案する。
本手法は,結合予測システムの長期安定性を著しく向上させる。
論文 参考訳（メタデータ） (2026-05-09T13:12:33Z) - Three Phases of Expert Routing: How Load Balance Evolves During Mixture-of-Experts Training [0.0]
トークンルーティングを,バランス品質のトレードオフを定量化するための1つの有効パラメータ gamma_eff の共役ゲームとしてモデル化する。
2つのオープンソースのMoEモデルのトレーニングチェックポイントにわたってγ_effを追跡することで、初期のMoEトレーニングはバランスを優先し、遅いトレーニングは品質を優先することを示す。
論文 参考訳（メタデータ） (2026-04-05T19:11:22Z) - LeWorldModel: Stable End-to-End Joint-Embedding Predictive Architecture from Pixels [49.35636088613484]
JEPA(Joint Embedding Predictive Architectures)は、コンパクトな潜在空間で世界モデルを学習するための魅力的なフレームワークを提供する。
最初のJEPAであるLeModelWorldを紹介します。
数時間で1つのGPU上で15万のパラメータをトレーニングできるため、LeWMはファンデーションモデルベースの世界モデルよりも48倍高速に計画している。
論文 参考訳（メタデータ） (2026-03-13T19:48:14Z) - Agentic World Modeling for 6G: Near-Real-Time Generative State-Space Reasoning [70.56067503630486]
第6世代(6G)インテリジェンスは、流動的なトークン予測ではなく、想像と選択の能力を校正している、と我々は主張する。
We showed that WM-MS3M cuts mean absolute error (MAE) by 1.69% vs MS3M with 32% less parameters and similar latency, and achieve a 35-80% lower root mean squared error (RMSE) than attention/hybrid baselines with 2.3-4.1x faster inference。
論文 参考訳（メタデータ） (2025-11-04T17:22:22Z) - Symmetry-Constrained Multi-Scale Physics-Informed Neural Networks for Graphene Electronic Band Structure Prediction [0.0]
本稿では,Symmetry-Constrained Multi-Scale Physics-Informed Neural Network (SCMS-PINN) v35を紹介する。
グラフェンバンド構造を直接学習し、結晶対称性を厳格に強化する。
このモデルは、理論ゼロの30.3$mu$eVと平均誤差53.9meVとブリルアンゾーンの40.5meV(導電性)でディラック点ギャップを予測する。
論文 参考訳（メタデータ） (2025-08-14T14:59:10Z) - LoTA-QAF: Lossless Ternary Adaptation for Quantization-Aware Fine-Tuning [50.89500210372827]
リソース制約のあるエッジデバイスに大規模言語モデル(LLM)をデプロイするには、量子化と微調整が不可欠である。
LoTA-QAFは量子化LDM用に特別に設計された新しい微調整法である。
MMLUベンチマークでは,16ビットLORAを最大5.14%越えて,量子化モデルの性能を効果的に回復する。
論文 参考訳（メタデータ） (2025-05-24T14:47:28Z) - Tangent Model Composition for Ensembling and Continual Fine-tuning [69.92177580782929]
タンジェントモデル合成(Tangent Model composition, TMC)は、事前訓練された点を中心に微調整されたコンポーネントモデルを独立に結合する手法である。
TMCの精度は4.2%向上し、非線形微調整モデルの精度は4.2%向上した。
論文 参考訳（メタデータ） (2023-07-16T17:45:33Z)
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。