論文の概要: Orientation Control of Soft Robots via Adiabatic Spectral Submanifolds
- arxiv url: http://arxiv.org/abs/2609.14376v1
- Date: Sun, 13 Sep 2026 08:17:15 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-16 07:15:05.804496
- Title: Orientation Control of Soft Robots via Adiabatic Spectral Submanifolds
- Title（参考訳）: 断熱スペクトルサブマニフォールドによるソフトロボットの配向制御
- Abstract要約: ソフトロボットは、デリケートな環境での安全性とクリティカルな相互作用を求めるのが一般的である。
モデル予測制御(MPC)は解を提供するが、ロボットの無限次元非線形力学のモデルを必要とする。
断熱スペクトル部分多様体(aSSM)の最近の理論とソフトロボットへの応用は、データ駆動型モデル推論法を提供する。
- 参考スコア（独自算出の注目度）: 1.9177038551684784
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Soft robots are commonly sought for safety-critical interactions in delicate environments, where accurate position and orientation control is imperative. Model predictive control (MPC) offers a solution, but it requires a model of the robot's infinite-dimensional nonlinear dynamics that is at once accurate and computationally cheap. Recent theory on adiabatic spectral submanifolds (aSSMs) and their applications to soft robots provide data-driven model-reduction methods to construct such models. Here, we extend these methods to identify aSSMs from enlarged observable datasets and upgrade the currently available aSSM-MPC schemes. Evaluated on a high-fidelity finite-element simulation of a pressure-actuated soft arm, our controller reduces position and orientation tracking error by more than 60% compared to existing data-driven baselines.
- Abstract（参考訳）: ソフトロボットは、正確な位置制御と方向制御が不可欠である繊細な環境において、安全クリティカルな相互作用を求めるのが一般的である。
モデル予測制御(MPC)は解を提供するが、ロボットの無限次元の非線形力学のモデルを必要とする。
断熱スペクトル部分多様体(aSSM)の最近の理論とソフトロボットへの応用により、そのようなモデルを構築するためのデータ駆動型モデル推論法が提供される。
ここでは,これらの手法を拡張して,拡張可観測データセットからaSSMを識別し,現在利用可能なaSSM-MPCスキームをアップグレードする。
圧力駆動ソフトアームの高忠実度有限要素シミュレーションにより,既存のデータ駆動ベースラインと比較して位置と方向追跡誤差を60%以上低減する。
関連論文リスト
- 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) - Simulation-Informed Diffusion for Decentralized Multi-robot Motion Planning [56.240199425429445]
マルチロボットモーションプランニングでは、各ロボットが局所的な観測から衝突のない軌道を生成する必要がある。
既存のほとんどのプランナは、ローカル観測の静的スナップショットからトラジェクトリを生成する。
本稿では,制約対応拡散モデルに基づく分散フレームワークであるSimulation-Informed Diffusion (SID)を紹介する。
論文 参考訳（メタデータ） (2026-05-26T21:17:53Z) - Learning Actuator-Aware Spectral Submanifolds for Precise Control of Continuum Robots [19.58974397801075]
スペクトルサブマニフォールド(SSM)の低減は高次元非線形力学系を減少させる主要な方法として浮上している。
提案する制御拡張SSM(caSSM)は,制御入力を状態表現に明示的に組み込むことにより,この方法論を拡張した。
テンポン駆動トランクロボットのための小型caSSMモデルを学習し、リアルタイム制御を可能にし、オープンループ予測誤差を40%削減する。
論文 参考訳（メタデータ） (2026-03-24T10:30:29Z) - Data-Driven Control of a Magnetically Actuated Fish-Like Robot [2.5782420501870296]
磁力で動く魚のようなロボットは、小型化と機敏さのために水中探査に有望なソリューションを提供する。
本稿では、解析モデルに頼ることなく、これらの複雑さに対処するデータ駆動制御フレームワークを提案する。
論文 参考訳（メタデータ） (2026-03-05T04:08:08Z) - Nonlinear Spectral Modeling and Control of Soft-Robotic Muscles from Data [6.770726279203919]
水圧静電アクチュエータ(HASEL)は高性能だが、記憶効果と筋骨格効果を示す。
本稿では、スペクトル部分多様体(SSM)理論に基づくデータ駆動還元制御戦略を提案する。
対角的HASELクラッチ接合部をリアルタイムに制御するためのSSMモデルを構築した。
論文 参考訳（メタデータ） (2026-01-06T18:43:49Z) - Offline Robotic World Model: Learning Robotic Policies without a Physics Simulator [50.191655141020505]
強化学習(Reinforcement Learning, RL)は、ロボット制御において目覚ましい能力を示してきたが、高いサンプルの複雑さ、安全性の懸念、そしてシム・トゥ・リアルのギャップのため、依然として困難である。
物理シミュレータに頼らずに政策学習を改善するために不確実性を明示的に推定するモデルベースアプローチであるオフラインロボット世界モデル(RWM-O)を導入する。
論文 参考訳（メタデータ） (2025-04-23T12:58:15Z) - Formal Controller Synthesis for Markov Jump Linear Systems with
Uncertain Dynamics [64.72260320446158]
マルコフジャンプ線形系に対する制御器の合成法を提案する。
本手法は,MJLSの離散(モードジャンピング)と連続(確率線形)の両方の挙動を捉える有限状態抽象化に基づいている。
本手法を複数の現実的なベンチマーク問題,特に温度制御と航空機の配送問題に適用する。
論文 参考訳（メタデータ） (2022-12-01T17:36:30Z) - Real-to-Sim: Predicting Residual Errors of Robotic Systems with Sparse
Data using a Learning-based Unscented Kalman Filter [65.93205328894608]
我々は,動的・シミュレータモデルと実ロボット間の残差を学習する。
学習した残差誤差により、動的モデル、シミュレーション、および実際のハードウェア間の現実的ギャップをさらに埋めることができることを示す。
論文 参考訳（メタデータ） (2022-09-07T15:15:12Z) - Data-driven Control of Agent-based Models: an Equation/Variable-free
Machine Learning Approach [0.0]
複雑/マルチスケールシステムの集合力学を制御するための方程式/変数自由機械学習(EVFML)フレームワークを提案する。
提案手法は3段階からなる: (A) 高次元エージェントベースシミュレーション、機械学習(特に非線形多様体学習(DM))
創発力学の数値分岐解析を行うために方程式のない手法を用いる。
我々は,エージェントをベースとしたシミュレータを本質的で不正確に知られ,創発的なオープンループ定常状態に駆動する,データ駆動型組込み洗浄制御器を設計する。
論文 参考訳（メタデータ） (2022-07-12T18:16:22Z) - SABER: Data-Driven Motion Planner for Autonomously Navigating
Heterogeneous Robots [112.2491765424719]
我々は、データ駆動型アプローチを用いて、異種ロボットチームをグローバルな目標に向けてナビゲートする、エンドツーエンドのオンラインモーションプランニングフレームワークを提案する。
モデル予測制御(SMPC)を用いて,ロボット力学を満たす制御入力を計算し,障害物回避時の不確実性を考慮した。
リカレントニューラルネットワークは、SMPC有限時間地平線解における将来の状態の不確かさを素早く推定するために用いられる。
ディープQ学習エージェントがハイレベルパスプランナーとして機能し、SMPCにロボットを望ましいグローバルな目標に向けて移動させる目標位置を提供する。
論文 参考訳（メタデータ） (2021-08-03T02:56:21Z)
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。