論文の概要: Energy-Aware Performance Evaluation of Nonlinear Mechatronic Systems Under Matched-Tracking Conditions

• arxiv url: http://arxiv.org/abs/2608.23578v1
• Date: Wed, 08 Jul 2026 20:32:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:55.330781
• Title: Energy-Aware Performance Evaluation of Nonlinear Mechatronic Systems Under Matched-Tracking Conditions
• Title（参考訳）: 整合追従条件下における非線形メカトロニクス系のエネルギーを考慮した性能評価
• Abstract要約: メカトロニクス系における制御性能を評価するために、ルート平均二乗誤差(RMSE)、オーバーシュート、セットリング時間などの軌道追跡指標が広く用いられている。 本稿では, 同様の追従条件下でのアクチュエータエネルギーへの影響について検討する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Trajectory-tracking metrics such as root-mean-square error (RMSE), overshoot, and settling time are widely used to evaluate control performance in mechatronic systems. However, these measures describe output tracking alone and do not account for the actuator effort required to produce the observed motion. This limitation becomes more pronounced in nonlinear systems, where stiffness and dissipation depend on the system state. This paper examines how these effects influence actuator energy under similar tracking conditions. An energy-aware evaluation framework is introduced that combines tracking error with cumulative actuator energy and enables comparison between systems with approximately matched performance. A simple index (EAPI) is used to capture both aspects in a single measure. Simulation results for linear and nonlinear systems under proportional-derivative control show that comparable tracking accuracy can correspond to significantly different actuator energy. The nonlinear system consistently requires more energy across matched operating points, reflecting the influence of nonlinear stiffness and friction. These results suggest that trajectory-based metrics alone may not fully capture differences in system effort, and that including energy provides a more informative basis for performance evaluation.
• Abstract（参考訳）: メカトロニクス系における制御性能を評価するために、ルート平均二乗誤差(RMSE)、オーバーシュート、セットリング時間などの軌道追跡指標が広く用いられている。 しかしながら、これらの測定は出力追跡のみを記述しており、観測された動きを生成するのに必要なアクチュエータの労力を考慮していない。 この制限は、剛性と散逸が系の状態に依存する非線形系においてより顕著になる。 本稿では, 同様の追従条件下でのアクチュエータエネルギーへの影響について検討する。 追従誤差を累積アクチュエータエネルギーと組み合わせ、ほぼ一致した性能を持つシステム間の比較を可能にするエネルギー認識評価フレームワークが導入された。 単純なインデックス(EAPI)は、両方の側面を単一の尺度でキャプチャするために使用される。 比例微分制御の下での線形系と非線形系のシミュレーション結果から、同等の追跡精度はアクチュエータのエネルギーと大きく異なる。 非線形系は、非線形剛性と摩擦の影響を反映して、整合した操作点を越えてより多くのエネルギーを必要とする。 これらの結果から, トラジェクトリに基づく測定だけでは, システム作業の差を完全に捉えられず, エネルギーを含むと, 性能評価のより有益な基礎となることが示唆された。

関連論文リスト

• Beyond Isolation: Unlocking Reinforcement Learning Component Synergy for Sample-Efficient Continuous Control [59.15149762610843]
  強化学習システムは、他の機械学習パラダイムよりもはるかに複雑である。 個々のアルゴリズムコンポーネントの進歩にもかかわらず、それらの機能的相互依存性は未解明のままである。 モデルベース表現,最適化安定性,経験再現の3つの重要な次元を協調する RL フレームワーク ROSER を提案する。
  論文  参考訳（メタデータ） (2026-08-07T10:38:31Z)
• Dynamic Evaluation of Classical and Control-Aware Optimal Trajectory Planning in Robot Manipulators [0.0]
  軌道計画は、ロボットマニピュレータのトラッキング精度、アクチュエータ要求、および全体的な実行行動に影響を与える。 立方体、クインティック、および台形形状のような古典的なプランナーは、その単純さと滑らかさのために広く使われている。 本稿では,マニピュレータのダイナミクスとアクチュエータの取り組みを明示的に組み込んだ制御対応最適軌道計画フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-07-06T18:26:48Z)
• Low-power analogue neural networks with trainable nonlinear connections for continuous control [54.59241649882409]
  物理ニューラルネットワークはアナログデバイス物理を直接計算することで低消費電力の機械学習を約束する。 トレーニング可能な非線形関数を接続上に配置し、各物理接続を学習可能な計算要素とする。 その利点はタスク依存であり、物理的基盤の滑らかさから従うことが分かる。
  論文  参考訳（メタデータ） (2026-06-21T15:55:23Z)
• An integrated interpretable control effectiveness learning and nonlinear control allocation methodology for overactuated aircrafts [2.2940141855172036]
  非線形力学と、複数のエフェクタの間に生じる強い結合は、線形制御割り当て技術の背後にある仮定を損なう。 本稿では、代表飛行データから制御効率マッピングの明示的、制約付き解析モデルを学ぶことにより、これらの制約に対処する。 結果として得られる写像はコンパクトで解釈可能であり、解析微分を許容し、ソルバ内の効率的な計算を可能にする。
  論文  参考訳（メタデータ） (2026-06-11T18:04:43Z)
• From Inference Efficiency to Embodied Efficiency: Revisiting Efficiency Metrics for Vision-Language-Action Models [5.744219633980964]
  VLA(Vision-Language-Action)モデルは最近、エンボディエージェントがますます複雑なタスクを実行できるようにした。 現在のVLA研究における「効率性」の概念は,ロボットプラットフォーム上での実際の性能を反映していない。
  論文  参考訳（メタデータ） (2026-03-19T16:49:28Z)
• Enhancing Eye Feature Estimation from Event Data Streams through Adaptive Inference State Space Modeling [68.1289208938377]
  イベントベースのデータストリームから目の特徴抽出を効率的かつ低エネルギーで行うことができる。 本稿では,特徴抽出のための新しいアーキテクチャである強調型推論状態空間モデル(AISSM)を紹介する。 また、トレーニング効率を向上させる新しい学習手法を開発・評価する。
  論文  参考訳（メタデータ） (2026-03-14T18:47:08Z)
• Controlling dynamical systems into unseen target states using machine learning [45.84205238554709]
  我々は、複雑な力学系を以前に見つからなかったターゲット状態に制御するための、モデルフリーでデータ駆動の方法論を提案する。 提案手法は、観測されていないパラメータ状態におけるシステムの挙動を正確に予測し、任意の目標状態への遷移を制御できるようにする。
  論文  参考訳（メタデータ） (2024-12-13T16:21:56Z)
• TANGO: Time-Reversal Latent GraphODE for Multi-Agent Dynamical Systems [43.39754726042369]
  連続グラフニューラルネットワークに基づく常微分方程式(GraphODE)により予測される前後の軌跡を整列するソフト制約として,単純かつ効果的な自己監督型正規化項を提案する。 時間反転対称性を効果的に課し、古典力学の下でより広い範囲の力学系にわたってより正確なモデル予測を可能にする。 様々な物理システムに対する実験結果から,提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2023-10-10T08:52:16Z)
• The Impact of Data on the Stability of Learning-Based Control- Extended Version [63.97366815968177]
  本稿では,Lyapunovをベースとした,認証制御性能に対するデータの影響の定量化手法を提案する。 ガウス過程を通じて未知系の力学をモデル化することにより、モデルの不確実性と安定性条件の満足度の間の相互関係を決定できる。
  論文  参考訳（メタデータ） (2020-11-20T19:10:01Z)
• Physics-Informed Neural Networks for Non-linear System Identification for Power System Dynamics [0.0]
  本稿では,将来の電力系統の周波数ダイナミクスを発見するための物理情報ニューラルネットワーク(PINN)の性能について検討する。 PINNは、低慣性システムのより強い非線形性、測定ノイズの増加、データの可用性の制限といった課題に対処する可能性がある。
  論文  参考訳（メタデータ） (2020-04-08T14:50:13Z)

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。