論文の概要: Bayesian Continuum Robot Dynamics and State Estimation

• arxiv url: http://arxiv.org/abs/2609.20605v1
• Date: Thu, 17 Sep 2026 15:53:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-20 08:55:54.363635
• Title: Bayesian Continuum Robot Dynamics and State Estimation
• Title（参考訳）: ベイジアン連続ロボットのダイナミクスと状態推定
• Abstract要約: グラフロボットの状態推定への最近のアプローチは準静的な応用に成功している。 提案手法は連続体ロボットのコセラットロッドダイナミクスを近似する。
• 参考スコア（独自算出の注目度）: 10.610593520475359
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recent factor graph approaches to continuum robot state estimation have been successful for quasi-static applications and spatiotemporal estimation using white-noise kinematic motion priors. However, when inertial effects are significant, these approximations may fail to capture the underlying physics, limiting accuracy during dynamic motions. In contrast, our approach approximates the Cosserat rod dynamics of continuum robots. We write inertia and damping as equivalent applied loads, so that the dynamic balance retains the algebraic form of the static one from prior work with quasi-static robots. Without backbone observations, the framework reduces to a stochastic forward simulation of the robot's motion. Given observations, it jointly refines kinematic and dynamic states and infers external loads, among other states. We validate the approach through simulation and experiments, demonstrating stochastic forward simulation as well as state estimation on tendon-driven continuum robots.
• Abstract（参考訳）: 近年の連続ロボット状態推定への因子グラフのアプローチは、ホワイトノイズ運動前処理を用いた準静的応用と時空間推定に成功している。 しかし、慣性効果が重要な場合、これらの近似は基礎となる物理学を捉えず、運動の正確さを制限する。 対照的に,本手法は連続体ロボットのCosseratロッドダイナミクスを近似する。 我々は、慣性および減衰を等価な応用荷重として記述するので、動的バランスは、準静的ロボットの以前の作業から静的の代数的形式を保っている。 背骨の観察がなければ、このフレームワークはロボットの動きの確率的な前方シミュレーションに還元される。 観測により、運動状態と動的状態を共同で洗練し、外部負荷を推定する。 提案手法をシミュレーションと実験により検証し,確率的前方シミュレーションと,腱駆動型連続体ロボットの状態推定を行った。

関連論文リスト

• PRIME: Physically-consistent Robotic Inertial and Motion Estimation for Legged and Humanoid Robots [6.944742823560998]
  本研究では,実世界の展開において,車載キネマティクスから正確な動き推定を可能にするPRIMEを提案する。 提案手法は,滑らかな相補性制約とAnitescuスタイルの摩擦モデルを備えた異種接触力学を取り入れたものである。 PRIMEは、大規模な振る舞いモデリングやロボット基礎モデルなど、下流学習アプリケーションに高品質なデータを提供するように調整することができる。
  論文  参考訳（メタデータ） (2026-05-17T22:43:10Z)
• Detecting Deepfakes via Hamiltonian Dynamics [58.881686693914446]
  本稿では,静的パターン認識から動的安定性解析へ移行するディープフェイク検出の新しい視点を提案する。 私たちのアプローチは、物理学にインスパイアされた先駆者によって動機付けられています。 Hamiltonian Action Anomaly Detection (HAAD) は、最先端のベースラインの評価に優れる。
  論文  参考訳（メタデータ） (2026-05-06T01:55:38Z)
• Joint Prediction of Human Motions and Actions in Human-Robot Collaboration [81.20389836121502]
  我々は,人間の行動と行動の共役推定と予測のための階層的枠組みであるtextsfMA-HERPを紹介した。 本研究では, 筋骨格シミュレーションを用いて, 騒音下での正確な動き予測と頑健な動作推定を示す予備的な実験評価を行った。
  論文  参考訳（メタデータ） (2026-04-03T14:40:07Z)
• Continuum Robot State Estimation with Actuation Uncertainty [10.610593520475357]
  本研究では,連続ロボットの原理的リアルタイム推定手法を提案する。 本手法は比較的少ない状態ノードで高い数値精度を実現する。 全体として,本手法は複数の連続ロボットアーキテクチャをまたいだ原理的,リアルタイムな推定を可能にする。
  論文  参考訳（メタデータ） (2026-01-08T01:53:42Z)
• What Happens Next? Anticipating Future Motion by Generating Point Trajectories [76.16266402727643]
  一つの画像から動きを予測し、世界の物体がどのように動くかを予測する問題を考察する。 我々はこのタスクを,現代のビデオジェネレータのアーキテクチャを忠実に追従するモデルを用いて,高密度トラジェクトリグリッドの条件生成として定式化する。 このアプローチはシーン全体のダイナミクスと不確実性を捉え、以前の回帰器やジェネレータよりも正確で多様な予測をもたらす。
  論文  参考訳（メタデータ） (2025-09-25T21:03:56Z)
• 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)
• Spatial-Temporal Graph Diffusion Policy with Kinematic Modeling for Bimanual Robotic Manipulation [88.83749146867665]
  既存のアプローチは、遠く離れた次のベストなエンドエフェクタのポーズを予測するポリシーを学びます。 すると、運動に対する対応する関節回転角を逆運動学を用いて計算する。 本稿では,Kinematics 拡張空間テンポアル gRaph diffuser を提案する。
  論文  参考訳（メタデータ） (2025-03-13T17:48:35Z)
• Probabilistic Latent Variable Modeling for Dynamic Friction Identification and Estimation [2.638878351659023]
  ロボット工学における動的モデルの同定は、制御設計、摩擦補償、出力トルク推定をサポートするために不可欠である。 本稿では,潜伏状態を用いたロボット関節の未同定ダイナミクスについて考察する。 予測最大化 (EM) アルゴリズムを用いてモデルパラメータの近似最大推定 (MLE) を求める。
  論文  参考訳（メタデータ） (2024-12-20T10:16:18Z)
• STEADY: Simultaneous State Estimation and Dynamics Learning from Indirect Observations [17.86873192361793]
  キノダイナミックモデル学習における最先端の多くのアプローチは、ラベル付き入力/出力の例としてロボットの状態の正確な測定を必要とする。 状態推定と動的学習を同時に行うことにより,ニューラルキノダイナミックモデルの学習手法を提案する。 提案手法は精度が大幅に向上するが, 観測音に対する堅牢性も向上し, 他の多くのロボティクスアプリケーションの性能向上が期待できる。
  論文  参考訳（メタデータ） (2022-03-02T18:25:56Z)
• Nonprehensile Riemannian Motion Predictive Control [57.295751294224765]
  本稿では,リアル・ツー・シムの報酬分析手法を導入し,リアルなロボット・プラットフォームに対する行動の可能性を確実に予測する。 連続的なアクション空間でオブジェクトを反応的にプッシュするクローズドループコントローラを作成します。 我々は,RMPCが乱雑な環境だけでなく,乱雑な環境においても頑健であり,ベースラインよりも優れていることを観察した。
  論文  参考訳（メタデータ） (2021-11-15T18:50:04Z)

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。