論文の概要: Control-Oriented Learning for Dynamic Tracking and Stability Analysis of Soft Pneumatic Actuators
- arxiv url: http://arxiv.org/abs/2608.25171v1
- Date: Tue, 25 Aug 2026 21:39:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-27 14:15:15.452034
- Title: Control-Oriented Learning for Dynamic Tracking and Stability Analysis of Soft Pneumatic Actuators
- Title（参考訳）: ソフト空気圧アクチュエータの動的追従と安定解析のための制御指向学習
- Abstract要約: ソフト空気圧アクチュエータは、固有のコンプライアンスと安全な相互作用を提供するが、モデル化と制御は困難である。
本稿では、アクチュエータ動作を非線形静的平衡モデルに分解する制御指向データ駆動モデリングおよび制御フレームワークを提案する。
その結果、構造化された制御指向学習は、ソフトアクチュエータ制御のための正確かつ実用的なフレームワークを提供することを示した。
- 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: Soft pneumatic actuators offer inherent compliance and safe interaction but remain difficult to model and control because of their highly nonlinear, distributed dynamics. We present a control-oriented data-driven modeling and control framework that decomposes actuator behavior into a nonlinear static equilibrium model and a linear residual dynamics model identified using Extended Dynamic Mode Decomposition with control (EDMDc). This representation enables feedforward compensation, task-space feedback control, and local closed-loop stability analysis through an augmented linear model. Experiments achieve approximately 1 mm root mean square error (RMSE) during low-speed (approximately 10 mm/s) trajectory tracking and below 10 mm RMSE at higher speeds (approximately 100 mm/s). The framework further achieves stable tracking of highly dynamic user-generated references with peak accelerations exceeding 25 m/s^2 while simultaneously performing real-time obstacle avoidance. Finally, the proposed stability analysis is experimentally validated by accurately predicting stable, marginal, and unstable operating regimes. These results demonstrate that structured, control-oriented learning provides an accurate and practical framework for soft actuator control.
- Abstract（参考訳）: ソフト空気圧アクチュエータは、本質的にコンプライアンスと安全な相互作用を提供するが、非常に非線形な分散力学のためにモデル化と制御が困難である。
本稿では, アクチュエータ動作を非線形静的平衡モデルに分解する制御指向型データ駆動型モデリング・制御フレームワークと, 制御付き拡張動的モード分解(EDMDc)を用いて同定した線形残留力学モデルを提案する。
この表現は、拡張線形モデルによるフィードフォワード補償、タスク空間フィードバック制御、局所閉ループ安定性解析を可能にする。
実験では、低速(約10mm/s)軌道追跡中に約1mmのルート平均二乗誤差(RMSE)を達成し、高速(約100mm/s)で10mm未満のRMSEを達成する。
さらに、ピーク加速度が25m/s^2を超える高ダイナミックなユーザ生成参照の安定した追跡を実現し、同時にリアルタイムな障害物回避を実現する。
最後に, 安定, 限界, 不安定な動作状態を正確に予測し, 安定性解析を実験的に検証した。
これらの結果は、構造化された制御指向学習が、ソフトアクチュエータ制御のための正確かつ実用的なフレームワークを提供することを示した。
関連論文リスト
- Task-space model-based control of pneumatic soft actuators [1.3707825707652799]
ソフトアクチュエータはデクスタラスかつコンプライアンスの相互作用を可能にするが、クローズドループタスク空間制御は依然として困難である。
本稿では,非最小座標離散弾性ロッドモデルに基づくリアルタイム動的モデルに基づくタスク空間フィードバックと推定フレームワークを提案する。
その結果、構造化された非最小ダイナミックモデルにより、自由空間における平面型ソフト空気圧アクチュエータのリアルタイム、高精度、中間帯域幅のタスク空間制御が可能となった。
論文 参考訳（メタデータ） (2026-08-27T14:32:07Z) - A Neural Network Based Teleoperation for Remote Controlled Vehicles [98.38733381483934]
車両の直接遠隔操作は重要な技術的ボトルネックに直面している。
通信遅延とオペレーターの 物理的に知覚できない 未モデル化の環境障害。
本稿では,一方的な遠隔操作フレームワークを提案する。
論文 参考訳（メタデータ） (2026-08-11T01:51:08Z) - Longitudinal-Motion-Aware Lateral Control for Autonomous Vehicles: A Robust Nonlinear Control Framework [15.398298486219096]
横方向の制御は、縦方向の速度と加速度が異なる間に行わなければならない。
既存の横型コントローラの多くは、定速または動作点ベースの仮定に依存している。
本稿では,AVに対する縦方向運動対応の頑健な非線形横方向制御フレームワークを提案する。
論文 参考訳（メタデータ） (2026-07-03T03:30:25Z) - Machine Learning-based Feedback Linearization Control of Quadrotor Subject to Unmodeled Dynamics [0.0]
この研究は、新しい機械学習ベースのフィードバック線形化制御フレームワークを導入している。
RBF NNのオンライン適応は、事前トレーニングなしでネットワークの重みを更新する。
提案した制御器は、高速収束による軌道追跡を改善し、位置ノルムおよびヨー方向RMSEをそれぞれ7.13%以上、49.27%以上削減する。
論文 参考訳（メタデータ） (2026-06-30T06:30:19Z) - SkyJEPA: Learning Long-Horizon World Models for Zero-Shot Sim-to-Real Control of Quadrotors [48.60897189520386]
本稿では,実時間四重項制御のためのJEPAスタイルモデルを提案する。
我々は、潜伏動力学モデルと、凍結した潜伏者を解釈可能な状態にマッピングする、物理学に着想を得た新しいプロバーを組み合わせる。
高価で安全性の低い実世界のデータ収集への依存を低減するため,自動データセット生成のための構造化パイプラインを構築した。
論文 参考訳（メタデータ） (2026-06-22T15:00:59Z) - Stabilizing Streaming Video Geometry via Dynamic Feature Normalization [45.91399406203578]
Dynamic Feature Normalization (DyFN) は、時間とともに安定な幾何を維持するために特徴統計を変調する因果リカレントモジュールである。
DyFNは最先端の時間安定性を実現し、従来のストリーミング手法よりも最大14%改善し、さらにはより重い非因果的ビデオベースラインを上回ります。
論文 参考訳（メタデータ） (2026-05-25T00:13:15Z) - A Flow Matching Framework for Soft-Robot Inverse Dynamics [13.045225329973617]
オープンループフィードフォワード制御のための逆力学フレームワークは、生成トランスポートマップとしてシステムの微分力学を学習する。
作業は、ソフトロボットシステムにおいて、微分逆ダイナミクスを学習するための堅牢で高性能なパラダイムとしてフローマッチングを実証する。
論文 参考訳（メタデータ） (2026-04-03T12:45:46Z) - Intelligent Control of Differential Drive Robots Subject to Unmodeled Dynamics with EKF-based State Estimation [28.37226750522601]
この研究は、リアプノフに基づく非線形コントローラと適応ネットワーク(ANN)を組み合わせた統一制御と状態推定フレームワークを導入する。
提案した制御器はニューラルネットワークの普遍近似特性を利用して未知の非線形性をリアルタイムでモデル化する。
堅牢な状態推定を保証するため、EKFは単分子、2D-LiDARおよびホイールエンコーダから慣性測定ユニット(IMU)とオドメトリーを融合させる。
論文 参考訳（メタデータ） (2026-03-16T07:44:28Z) - Uncertainty-Aware Adaptive Dynamics For Underwater Vehicle-Manipulator Robots [0.5161531917413708]
本稿では,新しい不確実性を考慮した適応力学モデルフレームワークを提案する。
オンライン推定中に、凸的な物理的一貫性の制約を埋め込む。
4-DOFマニピュレータを搭載したBlueROV2ヘビーの実験は、急速に収束し、キャリブレーションされた予測を示す。
論文 参考訳（メタデータ） (2026-03-06T18:35:48Z) - Fractional-order Modeling for Nonlinear Soft Actuators via Particle Swarm Optimization [49.34452620841728]
本稿では, ソフト材料の動的挙動を捉えるために, 分数次微分方程式(FODE)に基づく革新的なモデリング手法を提案する。
提案手法は,ソフトアクチュエータに固有の複雑な変形現象を効果的に表現する。
論文 参考訳（メタデータ） (2025-12-20T04:46:25Z) - A Tricycle Model to Accurately Control an Autonomous Racecar with Locked
Differential [71.53284767149685]
自動オープンホイールレースカーの側面力学に対するロックディファレンシャルの影響をモデル化するための新しい定式化を提案する。
本稿では,マイクロステップの離散化手法を用いて,動的に線形化し,実時間実装に適した予測を行う。
論文 参考訳（メタデータ） (2023-12-22T16:29:55Z) - DATT: Deep Adaptive Trajectory Tracking for Quadrotor Control [62.24301794794304]
Deep Adaptive Trajectory Tracking (DATT)は、学習に基づくアプローチであり、現実世界の大きな乱れの存在下で、任意の、潜在的に実現不可能な軌跡を正確に追跡することができる。
DATTは、非定常風場における可溶性および非実用性の両方の軌道に対して、競争適応性非線形およびモデル予測コントローラを著しく上回っている。
適応非線形モデル予測制御ベースラインの1/4未満である3.2ms未満の推論時間で、効率的にオンラインで実行することができる。
論文 参考訳（メタデータ） (2023-10-13T12:22:31Z)
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。