論文の概要: Task-space model-based control of pneumatic soft actuators

• arxiv url: http://arxiv.org/abs/2608.27186v1
• Date: Thu, 27 Aug 2026 14:32:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-28 16:30:58.448742
• Title: Task-space model-based control of pneumatic soft actuators
• Title（参考訳）: タスク空間モデルに基づく空気圧式ソフトアクチュエータの制御
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 1.3707825707652799
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Soft actuators enable dexterous and compliant interaction, but closed-loop task-space control remains challenging due to strong nonlinearities, distributed deformation, and uncertainty in their dynamics. This paper presents a real-time dynamic-model-based task-space feedback and estimation framework based on a non-minimal coordinate discrete elastic rod model formulated in absolute coordinates with holonomic constraints. The resulting structure preserves distributed mechanics while maintaining computational efficiency through sparse system matrices, enabling real-time control with up to 10 discretized rods. A quasi-static feedforward inverse model is combined with a task-space PI controller and a dynamic observer that fuses measurement residuals as virtual forces, enabling full-state estimation from sparse sensing. The approach is experimentally validated on three planar pneumatic soft actuators with varying geometries. Across five tasks, including drawing the digits 0-9 across the workspace (3-18 mm/s tip speed), tracking periodic motion (up to 37 cm/s), cross-platform generalization, reduced sensing conditions, and real-time user-defined references, our method achieves 1.5-2.3 mm root mean square error (RMSE) for precision motions and 5.5-12.4 mm RMSE at 1-2 Hz. Results demonstrate that structured, non-minimal dynamic models can enable real-time, high-precision, moderate-bandwidth task-space control of planar soft pneumatic actuators in free space.
• Abstract（参考訳）: 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、強い非線形性、分散変形、そしてそれらの力学の不確実性により、クローズドループのタスク空間制御は難しいままである。 本稿では、ホロノミック制約を伴う絶対座標で定式化された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。 得られた構造は分散力学を保ちながらスパース系行列による計算効率を維持し、最大10個の離散化ロッドによるリアルタイム制御を可能にする。 準静的フィードフォワード逆モデルとタスク空間PIコントローラと、測定残差を仮想力として融合するダイナミックオブザーバを組み合わせることで、スパースセンシングによる全状態推定を可能にする。 この手法は、様々な測地を持つ3つの平面空気圧アクチュエータに対して実験的に検証されている。 作業空間に0-9の桁を描画する(3-18mm/sの先端速度)、周期的な動きを追跡する(最大37 cm/s)、クロスプラットフォームの一般化、知覚条件の低減、リアルタイムのユーザ定義参照を含む5つのタスクに対して、精度の高い動きに対して1.5-2.3mmの根平均二乗誤差(RMSE)と5.5-12.4mmのRMSEを1-2Hzで達成する。 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。

関連論文リスト

• Control-Oriented Learning for Dynamic Tracking and Stability Analysis of Soft Pneumatic Actuators [0.0]
  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。
  論文  参考訳（メタデータ） (2026-08-25T21:39:02Z)
• 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)
• A Task-Space Receding Horizon Controller for Fast Collision Avoidance [0.08594140167290099]
  ロボットマニピュレータのリアルタイム衝突回避には、予期せぬ障害物運動に対する迅速な反応が必要である。 完全なモデル予測制御は、この展望を提供することができるが、オンラインコストは、水平線長、モデル忠実度、アクティブな幾何学的制約の数とともに急速に増大する可能性がある。 本稿では, 短時間の接触一貫性を持つロールアウトを用いて, 終端キネマティック参照を生成するタスクスペースリテーディング・ホライゾンコントローラを提案する。
  論文  参考訳（メタデータ） (2026-07-17T08:13:12Z)
• 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)
• Real-Time Projected Adaptive Control for Closed-Chain Co-Manipulative Continuum Robots [0.764671395172401]
  協調操作型連続ロボット(CCR)では、複数の連続アームが共通の柔軟な物体をつかむことで協調する。 現実的なタスクでは、フレキシブルオブジェクトの物理パラメータはしばしば未知であり、操作によって異なる。 本稿では,動的レベルで定式化されたCCRの適応制御フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-04-05T22:03:23Z)
• SOFTMAP: Sim2Real Soft Robot Forward Modeling via Topological Mesh Alignment and Physics Prior [21.30232105970865]
  SOFTMAPは、腱作動型ソフトフィンガーマニピュレータのリアルタイム3次元フォワードモデリングのためのsim-real learning frameworkである。 我々は、シミュレーションにおいて、シミュレーションと物理ハードウェアの両方でSOFTMAPを評価し、チャンファー距離0.389mmの形状予測精度を達成した。 この結果から,SOFTMAPはソフトマニピュレータの3次元フォワードモデリングと制御にデータ効率のよいアプローチを提供することがわかった。
  論文  参考訳（メタデータ） (2026-03-19T18:21:44Z)
• Adaptive Model-Predictive Control of a Soft Continuum Robot Using a Physics-Informed Neural Network Based on Cosserat Rod Theory [2.7114475063296455]
  本研究は、ドメイン分割物理インフォームドニューラルネットワーク(DD-PINN)に基づくSCRのためのリアルタイム対応非線形モデル予測制御(MPC)フレームワークを導入する。 シミュレーションでは、動的軌跡の正確な追跡と3mm以下の端点位置誤差によるセットポイント制御が示される。 実世界の実験では、コントローラーも同様の精度と加速を3.55 m/s2まで達成している。
  論文  参考訳（メタデータ） (2025-08-18T07:24:36Z)
• Forecasting Continuous Non-Conservative Dynamical Systems in SO(3) [51.510040541600176]
  コンピュータビジョンにおける移動物体の回転をモデル化するための新しい手法を提案する。 我々のアプローチは、入力ノイズに対して頑健でありながら、エネルギーと運動量保存に非依存である。 トレーニング中の雑音状態から物体のダイナミクスを近似させることで、シミュレーションや様々な現実世界の設定において頑健な外挿能力が得られる。
  論文  参考訳（メタデータ） (2025-08-11T09:03:10Z)
• Continuous-Time SO(3) Forecasting with Savitzky--Golay Neural Controlled Differential Equations [51.510040541600176]
  この研究は、$SO(3)$で連続時間回転オブジェクトの力学をモデル化することを提案する。 単純化された動作仮定に依存する既存の手法とは異なり、本手法は下層の物体軌道の一般的な潜在力学系を学習する。 実世界のデータに対する実験結果から、既存の手法と比較して魅力的な予測能力が示された。
  論文  参考訳（メタデータ） (2025-06-07T12:41:50Z)
• Dynamic Manipulation of Deformable Objects in 3D: Simulation, Benchmark and Learning Strategy [88.8665000676562]
  従来の手法は、しばしば問題を低速または2D設定に単純化し、現実の3Dタスクに適用性を制限する。 データ不足を軽減するため、新しいシミュレーションフレームワークと、低次ダイナミクスに基づくベンチマークを導入する。 本研究では,シミュレーション前トレーニングと物理インフォームドテスト時間適応を統合するフレームワークであるDynamics Informed Diffusion Policy (DIDP)を提案する。
  論文  参考訳（メタデータ） (2025-05-23T03:28:25Z)
• No Pain, Big Gain: Classify Dynamic Point Cloud Sequences with Static Models by Fitting Feature-level Space-time Surfaces [46.8891422128]
  本研究では,キネマティックスにインスパイアされたニューラルネットワーク(Kinet)を提案する。 Kinetは、機能レベルのダイナミクスを暗黙的にエンコードし、静的ポイントクラウド処理に成熟したバックボーンを使用することで利点を得る。 キネは320万のパラメータと10.35G FLOPSしか持たないMSRAction-3Dで93.27%の精度を達成した。
  論文  参考訳（メタデータ） (2022-03-21T16:41:35Z)

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。