論文の概要: Koopman Representation of Nonlinear Virtual Environments in Kinesthetic Haptic Systems
- arxiv url: http://arxiv.org/abs/2608.11461v1
- Date: Tue, 11 Aug 2026 21:55:37 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-13 19:07:54.393643
- Title: Koopman Representation of Nonlinear Virtual Environments in Kinesthetic Haptic Systems
- Title（参考訳）: 審美的触覚システムにおける非線形仮想環境のクープマン表現
- Authors: Yanting Zhou, Jozsef Kövecses, James Richard Forbes,
- Abstract要約: 本稿では,ハプティックシステムと相互作用する非線形VEを表現するために,クープマン演算子を用いることを検討する。
提案手法は,Duffing-oscillator VEの非線形ダイナミクスを効果的に表現する。
- 参考スコア（独自算出の注目度）: 4.422349568747053
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Rendering haptic feedback with nonlinear virtual environments (VEs) is important in many applications that require highly accurate force feedback. This paper considers the use of the Koopman operator to represent a nonlinear VE interacting with a haptic system. Simulation and experimental results demonstrated that the proposed method provides an effective representation of the nonlinear dynamics of a Duffing-oscillator VE. A multi-user study further confirmed this conclusion. In addition, a closed-loop (CL) stability analysis is performed leveraging the Koopman representation of the nonlinear VE to access stability of the overall haptic system. This alternative way of representing nonlinear VEs enables a convenient CL stability analysis that is less conservative than traditional passivity-based methods. Since a linear combination of all lifted states is used to represent the nonlinearity, such representation is also more robust to uncertainties in the modeling of the haptic device than a traditional nonlinear model.
- Abstract（参考訳）: 非線形仮想環境(VE)による触覚フィードバックのレンダリングは、高精度な力フィードバックを必要とする多くのアプリケーションにおいて重要である。
本稿では,ハプティックシステムと相互作用する非線形VEを表現するために,クープマン演算子を用いることを検討する。
シミュレーションおよび実験により,提案手法がダッフィングオシレータVEの非線形ダイナミクスを効果的に表現できることが実証された。
マルチユーザーによる研究により、この結論はさらに裏付けられた。
さらに、非線形VEのクープマン表現を利用して閉ループ(CL)安定性解析を行い、全体のハプティックシステムのアクセス安定性を評価する。
この非線形VEの別の表現方法は、従来の通過率に基づく手法よりも保守的でない便利なCL安定性解析を可能にする。
すべての持ち上げ状態の線形結合は非線形性を表すために使用されるので、そのような表現は従来の非線形モデルよりも触覚装置のモデリングにおける不確実性に対してより堅牢である。
関連論文リスト
- Non-Parametric Rehearsal Learning via Conditional Mean Embeddings [88.89267783967263]
本研究では,不必要な未来(AUF)問題をテキスト化するための非パラメトリックリハーサル学習手法を提案する。
具体的には、カーネル機械を用いてAUFの目的を、動作誘起分布変化から所望性モデリングを遠ざける統一表現に再構成する。
論文 参考訳（メタデータ） (2026-05-09T15:30:52Z) - KoopGen: Koopman Generator Networks for Representing and Predicting Dynamical Systems with Continuous Spectra [65.11254608352982]
生成元をベースとしたニューラル・クープマン・フレームワークを導入し,構造的かつ状態に依存したクープマン・ジェネレータの表現を通じて動的にモデル化する。
固有のカルテス分解をスキュー結合および自己結合成分に利用することにより、KoopGenは可逆的な散逸から保守的な輸送を分離する。
論文 参考訳（メタデータ） (2026-02-15T06:32:23Z) - Efficient Parametric SVD of Koopman Operator for Stochastic Dynamical Systems [51.54065545849027]
クープマン作用素は非線形力学系を解析するための原理的なフレームワークを提供する。
VAMPnet と DPNet はクープマン作用素の主特異部分空間を学ぶために提案されている。
我々は、クープマン作用素のトップ$kの特異関数を学ぶためのスケーラブルで概念的にシンプルな方法を提案する。
論文 参考訳（メタデータ） (2025-07-09T18:55:48Z) - Generative System Dynamics in Recurrent Neural Networks [56.958984970518564]
リカレントニューラルネットワーク(RNN)の連続時間ダイナミクスについて検討する。
線形および非線形構成の両方において安定な極限サイクルを実現するためには,スキュー対称性の重み行列が基本であることを示す。
数値シミュレーションは、非線形活性化関数が極限周期を維持するだけでなく、システム統合プロセスの数値安定性を高めることを示す。
論文 参考訳（メタデータ） (2025-04-16T10:39:43Z) - Stochastic Nonlinear Control via Finite-dimensional Spectral Dynamic Embedding [20.43835169613882]
本稿では,非線形系の最適制御のためのスペクトルダイナミクス埋め込み制御(SDEC)を提案する。
これはシステムの非線形力学によって誘導される無限次元の特徴表現を明らかにし、状態-作用値関数の線形表現を可能にする。
実用的な実装では、この表現は有限次元のトランケーションを用いて近似される。
論文 参考訳（メタデータ） (2023-04-08T04:23:46Z) - Neural Koopman Lyapunov Control [0.0]
データから安定化可能な双線形制御系とその関連する可観測物を特定し,構築するためのフレームワークを提案する。
提案手法は、未知のダイナミクスを持つ非線形制御系に対して、大域的安定性の証明可能な保証を提供する。
論文 参考訳（メタデータ） (2022-01-13T17:38:09Z) - Learning Stable Koopman Embeddings [9.239657838690228]
本稿では,非線形システムの安定モデル学習のための新しいデータ駆動手法を提案する。
離散時間非線形契約モデルはすべて、我々のフレームワークで学習できることを実証する。
論文 参考訳（メタデータ） (2021-10-13T05:44:13Z) - Learning Nonlinear Waves in Plasmon-induced Transparency [0.0]
プラズモン誘起透過性メタマテリアルシステムにおける非線形ソリトンの複雑な伝播を予測するためのリカレントニューラルネットワーク(RNN)アプローチを検討する。
我々は,長期記憶(LSTM)人工ニューラルネットワークによるシミュレーションと予測において,結果の顕著な一致を証明した。
論文 参考訳（メタデータ） (2021-07-31T21:21:44Z) - Linear systems with neural network nonlinearities: Improved stability
analysis via acausal Zames-Falb multipliers [0.0]
ニューラルネットワークの非線形性を考慮した線形時間不変系のフィードバック相互干渉の安定性を離散時間で解析する。
このアプローチは、ニューラルネットワークの非線形性とフィードバック相互接続の安定性解析のための柔軟で汎用的なフレームワークを提供する。
論文 参考訳（メタデータ） (2021-03-31T14:21:03Z) - Neural Dynamic Mode Decomposition for End-to-End Modeling of Nonlinear
Dynamics [49.41640137945938]
ニューラルネットワークに基づくリフト関数を推定するためのニューラルダイナミックモード分解法を提案する。
提案手法により,予測誤差はニューラルネットワークとスペクトル分解によって逆伝搬される。
提案手法の有効性を,固有値推定と予測性能の観点から実証した。
論文 参考訳（メタデータ） (2020-12-11T08:34:26Z)
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。