論文の概要: Real-time Estimator of Actuator Control and Health (REACH) on an Eel-Inspired Soft Robot
- arxiv url: http://arxiv.org/abs/2608.14865v1
- Date: Fri, 14 Aug 2026 20:06:22 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-18 19:59:03.115309
- Title: Real-time Estimator of Actuator Control and Health (REACH) on an Eel-Inspired Soft Robot
- Title（参考訳）: ウナギに触発されたソフトロボットにおけるアクチュエータ制御と健康(REACH)のリアルタイム推定
- Authors: Zhangjingyi Jiang, Myungsun Park, Michael T. Tolley, Mark Campbell,
- Abstract要約: ソフトスイミングロボットのアクチュエータヘルス推定アルゴリズムを開発した。
3つの水泳歩行(リニア・スイミング、ワイド・ターン、タイト・ターン)を比較し、REACHが3つの歩行でアクチュエーターの健康を予測できることを実証する。
- 参考スコア（独自算出の注目度）: 1.5924410290166866
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: An actuator health estimation algorithm for a soft swimming robot that can perform anguilliform swimming is developed. Due to harsh operational environments of underwater robots, and the common degradation of soft robot materials and actuators, accurate estimation of actuator functionality is necessary for robots to perform their missions as well as return to base in the event of actuator degradation and failure. Termed REACH (Real-time Estimator of Actuator Control and Health), the architecture employs a soft robot model, sigma point filter, and a formal statistical hypothesis test to adequately capture the nonlinearities and changes over time. The performance of REACH using three sensor types (GPS, IMU, and Bend Sensor) with one sensor on each actuator is compared, demonstrating that both bend sensor and IMU are adequate choices. Sensor quantity and placement are evaluated for IMU and bend sensor, showing two sensors are sufficient for IMU, whereas three sensors are needed for bend sensor. Three swimming gaits (linear swimming, wide turning, tight turning) are compared, demonstrating that REACH can successfully predict actuator health for all three gaits, with minimal differences in performance. A filter validation method shows the fault estimation algorithm is statistically consistent in finding the correct degradation. The approach is experimentally evaluated using bend sensor data collected from a fish robot, demonstrating that REACH can successfully estimate actuator health with noisy data and variations in manufacturing.
- Abstract（参考訳）: アンギリフォームスイミングが可能なソフトスイミングロボットのアクチュエータヘルス推定アルゴリズムを開発した。
水中ロボットの過酷な運用環境とソフトロボット材料とアクチュエータの共通劣化のため、ロボットはアクチュエータの劣化や故障時に基地に戻るだけでなく、ミッションを実行するために正確なアクチュエータ機能の推定が必要である。
REACH(Real-time Estimator of Actuator Control and Health)と呼ばれるこのアーキテクチャは、ソフトロボットモデル、シグマ点フィルタ、および公式な統計的仮説テストを用いて、時間とともに非線形性と変化を適切に捉えている。
それぞれのアクチュエータに1つのセンサを備えた3種類のセンサ(GPS, IMU, Bend Sensor)を用いたREACHの性能を比較し, 曲げセンサとIMUの両方が適切な選択であることを示す。
IMUには2つのセンサが十分であり, 屈曲センサには3つのセンサが必要である。
3つの水泳歩行(リニア・スイミング、ワイド・ターン、タイト・ターン)を比較し、REACHが3つの歩行でアクチュエータの健康を予測できることを示した。
フィルタバリデーション法は, 故障推定アルゴリズムが正しい劣化を見つける際に統計的に一致していることを示す。
この手法は魚ロボットから収集した曲げセンサデータを用いて実験的に評価され、REACHがノイズの多いデータと製造のバリエーションでアクチュエータの健康を推定できることが実証された。
関連論文リスト
- Tactile Sim2Real without Tactile Simulation via Bottlenecked Latent Reconstruction [11.374127908457446]
Sim2Realは、シミュレータネイティブなオラクルセンサーのトレーニングポリシによって、センサ固有のシミュレーションを完全に回避する。
SBLRは触覚シミュレーションに直接アクセスしてオラクルの性能と一致または接近することを示す。
論文 参考訳（メタデータ） (2026-08-16T19:09:55Z) - UniForce: A Unified Latent Force Model for Robot Manipulation with Diverse Tactile Sensors [51.88112610411651]
そこで本研究では,多様な触覚センサにまたがる共用潜在力空間を学習する,新しい統合された触覚表現学習フレームワークを提案する。
UniForceは、逆ダイナミクス(image-to-force)とフォワードダイナミクス(force-to-image)を共同モデリングすることで、クロスセンサー領域シフトを低減する
高価な外部力/トルクセンサ(F/T)への依存を避けるため,静的平衡を利用して直接センサ・オブジェクト・センサ・インタラクションを介して力対効果データを収集する。
論文 参考訳（メタデータ） (2026-02-01T11:03:01Z) - Sensor Deprivation Attacks for Stealthy UAV Manipulation [51.9034385791934]
無人航空機は最先端の制御アルゴリズムを用いて自律的にタスクを実行する。
本稿では,マルチパートを提案する。
センサー分離攻撃 (Sensor Deprivation Attacks, SDA) - 極秘に影響を及ぼす攻撃。
センサーのリコンフィグレーションによる プロセス制御
論文 参考訳（メタデータ） (2024-10-14T23:03:58Z) - Deep convolutional neural networks for cyclic sensor data [0.0]
本研究では,センサによる条件モニタリングに焦点をあて,深層学習技術の応用について検討する。
本研究は,従来手法を用いたベースラインモデル,早期センサフュージョンを用いた単一CNNモデル,後期センサフュージョンを用いた2車線CNNモデル (2L-CNN) の3つのモデルの性能を比較した。
論文 参考訳（メタデータ） (2023-08-14T07:51:15Z) - Design Space Exploration on Efficient and Accurate Human Pose Estimation
from Sparse IMU-Sensing [0.04594153909580514]
HPE(Human Pose Estimation)は、スポーツ、リハビリテーション、仕事の安全などにおいて、個人データを損なうことなく正確な感覚を必要とする。
ハードウェアリソースの正確性と効率的な利用との間の中心的なトレードオフは、研究ではほとんど議論されない。
我々は、センサ構成の異なる公開ボディモデルデータセットからIMUデータを生成し、このデータでディープラーニングモデルをトレーニングする。
論文 参考訳（メタデータ） (2023-07-21T13:36:49Z) - Detection of Sensor-To-Sensor Variations using Explainable AI [2.2956649873563952]
化学抵抗性ガス検知装置は製造中のセンサの変動の問題に悩まされている。
本研究では、SHAP(SHAP)のAI(XAI)法を用いて、センサデバイスにおけるセンサとセンサの変動を検出する新しい手法を提案する。
本手法は,GRU(Gated Recurrent Unit)モデルをトレーニングするために,人工的および現実的なオゾン濃度プロファイルを用いて試験する。
論文 参考訳（メタデータ） (2023-06-19T11:00:54Z) - Visual-tactile sensing for Real-time liquid Volume Estimation in
Grasping [58.50342759993186]
変形性容器内の液体をリアルタイムに推定するためのビジュオ触覚モデルを提案する。
我々は、RGBカメラからの生の視覚入力と、特定の触覚センサーからの触覚手がかりの2つの感覚モードを融合する。
ロボットシステムは、推定モデルに基づいて、リアルタイムで適切に制御され、調整される。
論文 参考訳（メタデータ） (2022-02-23T13:38:31Z) - Real-time detection of uncalibrated sensors using Neural Networks [62.997667081978825]
オンライン学習に基づく温度・湿度・圧力センサの非校正検出装置を開発した。
このソリューションはニューラルネットワークをメインコンポーネントとして統合し、校正条件下でのセンサーの動作から学習する。
その結果, 提案手法は, 偏差値0.25度, 1% RH, 1.5Paの偏差をそれぞれ検出できることがわかった。
論文 参考訳（メタデータ） (2021-02-02T15:44:39Z) - Online Body Schema Adaptation through Cost-Sensitive Active Learning [63.84207660737483]
この作業は、icubロボットシミュレータの7dofアームを使用して、シミュレーション環境で実行された。
コストに敏感な能動学習手法は最適な関節構成を選択するために用いられる。
その結果,コスト依存型能動学習は標準的な能動学習手法と同等の精度を示し,実行運動の約半分を減らした。
論文 参考訳（メタデータ） (2021-01-26T16:01:02Z) - SensiX: A Platform for Collaborative Machine Learning on the Edge [69.1412199244903]
センサデータとセンサモデルの間に留まるパーソナルエッジプラットフォームであるSensiXを紹介する。
動作および音声に基づくマルチデバイスセンシングシステムの開発において,その有効性を示す。
評価の結果,SensiXは3mWのオーバヘッドを犠牲にして,全体の精度が7～13%向上し,環境のダイナミクスが最大30%向上することがわかった。
論文 参考訳（メタデータ） (2020-12-04T23:06:56Z)
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。