論文の概要: History-Conditioned Flow Matching for Probabilistic Dynamics of Tendon-Driven Continuum Robots

• arxiv url: http://arxiv.org/abs/2609.25658v1
• Date: Tue, 22 Sep 2026 04:06:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-23 18:04:04.218183
• Title: History-Conditioned Flow Matching for Probabilistic Dynamics of Tendon-Driven Continuum Robots
• Title（参考訳）: 腱駆動型連続ロボットの確率ダイナミクスのための履歴記述型フローマッチング
• Abstract要約: 本研究では,確率論的力学予測のためのフローマッチングフレームワークを開発した。 2つの腱複合プロファイルの下での予測は、トレーニングから除外される。 これらの結果は、不完全な機械的観測の下での履歴条件付き確率力学予測を支援する。
• 参考スコア（独自算出の注目度）: 8.086369436222688
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Deterministic dynamics modeling of tendon-driven continuum robots remains challenging owing to uncertainties in material behavior, tendon transmission, friction, and contact. Measured joint configurations and nominal tendon commands do not fully characterize these internal mechanical factors, leaving uncertainty in the subsequent motion. We therefore develop a history-conditioned, physics-informed flow-matching framework for probabilistic dynamics prediction, using motion and actuation histories to predict the distribution of the next complete joint configuration. By recursively sampling next-step configurations under prescribed commands, the model predicts distributions of future whole-body motions. In simulation, scenario-specific models achieve five-second trajectory Energy Scores (lower is better) of 12.05 mm under internal friction variation and 9.29 mm under unobserved actuation disturbances. Relative to the conditional variational autoencoder and diffusion baselines, Flow attains lower Energy Scores and coverage closer to the nominal level in both scenarios. Ablations support history and structural conditioning in both scenarios. On the physical robot, predictions under two tendon-command profiles excluded from training capture the principal motion sequences, with five-second Energy Scores of 11.91 and 11.42 mm, lower than the compared baselines. The predicted-to-measured spread ratios are 1.65 and 1.22 (closer to 1 is better). These results support history-conditioned probabilistic dynamics prediction under incomplete mechanical observations.
• Abstract（参考訳）: 腱駆動型連続ロボットの決定論的力学モデリングは, 材料挙動, 腱伝達, 摩擦, 接触などの不確実性のため, 依然として困難である。 測定された関節構成と名目上の腱のコマンドは、これらの内部の機械的要因を完全に特徴付けておらず、その後の動作に不確実性を残している。 そこで我々は, 運動と運動履歴を用いて, 次の完全関節構成の分布を予測する, 確率力学予測のための履歴条件付き物理インフォームドフローマッチングフレームワークを開発した。 所定の命令の下で次のステップ構成を再帰的にサンプリングすることにより、モデルが将来の全身運動の分布を予測する。 シミュレーションでは、シナリオ固有のモデルは内部の摩擦変動下では12.05mm、5秒の軌道エネルギースコア(より低い)、観測不能な作動障害下では9.29mmを達成する。 条件付き変分オートエンコーダと拡散ベースラインとは対照的に、フローは低エネルギースコアを獲得し、両方のシナリオにおいて名目レベルに近い範囲をカバーしている。 アブレーションは、両方のシナリオで履歴と構造条件をサポートする。 物理ロボットでは、トレーニングから除外された2つの腱複合プロファイルの下での予測は主動作シーケンスを捕捉し、5秒のエネルギースコアは11.91mmと11.42mmであり、比較ベースラインよりも低い。 予測されたスプレッド比は1.65と1.22である。 これらの結果は、不完全な機械的観測の下での履歴条件付き確率力学予測を支援する。

関連論文リスト

• Repurposing Deep Limit Order Book Forecasting for Scenario-Conditioned Market Impact Modeling [49.590388401787834]
  本稿では,機械的に有効な反事実メッセージの注入前後の予測者の予測分布を比較するモデルに依存しないフレームワークを提案する。 トランスフォーマーをベースとした予測器は、スピアマンの相関関係を0.99と97.2%と、実現した歴史的成果との方向性の一致で、シナリオランキングを回復した。
  論文  参考訳（メタデータ） (2026-09-15T10:06:03Z)
• Shift & Drift: A Zero-Shot Benchmark for Generalizable and Robust Autonomous Driving Motion Planning [60.888463449435484]
  シフト・アンド・ドリフト(Shift & Drift)は、分散シフトの2つの重要な軸にまたがる、厳密なストレス-テスト運動プランナーのための新しいデュアルトラックベンチマークである。 擬似学習手法は,IDベンチマークにおいて高いスコアを得るが,時間的に相関したアクティベーションノイズを受けると持続的なドリフトに悩まされることを示す。 本研究は, 模擬忠実度と閉ループレジリエンスのトレードオフを実証的に明らかにし, 信頼性の高い展開に向けた進捗を評価するための厳密なベンチマークをコミュニティに提供する。
  論文  参考訳（メタデータ） (2026-07-08T18:23:48Z)
• Ultra-Early Prediction of Tipping Points: Integrating Dynamical Measures with Reservoir Computing [26.87838356473853]
  複雑な力学系は破滅的かつ潜在的に不可逆的な状態変化を起こすことがある。 チップポイントは 理論と実用の両方の 予測問題を引き起こします 本研究では, 動的システムの安定性と感度を, 貯水池計算手法と組み合わせたモデルフリーフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-03-16T07:49:31Z)
• STRIDE: Structured Lagrangian and Stochastic Residual Dynamics via Flow Matching [2.5845893156827158]
  本研究では、保守的な剛体力学を不確実かつ効果的に非保守的な相互作用効果から分離する動的学習フレームワークSTRIDEを提案する。 本研究は,ペンデュラム,Unitree Go1ruped,Unitree G1 humanoidなど複雑度の高いシステム上でのSTRIDEの評価である。 その結果, 長軸予測誤差が20%減少し, 接触力予測誤差が30%減少した。
  論文  参考訳（メタデータ） (2026-03-09T15:15:21Z)
• 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)
• Out-of-distribution transfer of PDE foundation models to material dynamics under extreme loading [86.6550968435969]
  ほとんどのPDEファンデーションモデルは、流体中心のベンチマークに基づいて事前訓練され、微調整されている。 衝撃, 進化する界面, 破壊が非平滑な場を生み出す2つの不連続支配的体制について, 分布外移動をベンチマークする。 我々は,PDE基礎モデルであるPOSEIDONとMORPHを2つのオープンソースとして評価し,事前学習した重みからの微調整と,トレーニングセットのサイズによるスクラッチからのトレーニングを比較し,分散シフト下でのサンプル効率の定量化を行った。
  論文  参考訳（メタデータ） (2026-03-04T18:19:35Z)
• Neural Interaction Energy for Multi-Agent Trajectory Prediction [55.098754835213995]
  ニューラル・インタラクション・エナジー(MATE)によるマルチエージェント軌道予測(Multi-Agent Trajectory Prediction)というフレームワークを導入する。 MATEは神経相互作用エネルギーを用いてエージェントの対話運動を評価する。 時間的安定性を高めるために,エージェント間相互作用制約とエージェント内動作制約という2つの制約を導入する。
  論文  参考訳（メタデータ） (2024-04-25T12:47:47Z)
• Human Trajectory Forecasting with Explainable Behavioral Uncertainty [63.62824628085961]
  人間の軌道予測は人間の行動を理解し予測し、社会ロボットから自動運転車への応用を可能にする。 モデルフリー手法は予測精度が優れているが説明可能性に欠ける一方、モデルベース手法は説明可能性を提供するが、よく予測できない。 BNSP-SFMは,11種類の最先端手法と比較して,予測精度を最大50%向上することを示す。
  論文  参考訳（メタデータ） (2023-07-04T16:45:21Z)
• Stochastic Trajectory Prediction via Motion Indeterminacy Diffusion [88.45326906116165]
  運動不確定性拡散(MID)の逆過程として軌道予測タスクを定式化する新しい枠組みを提案する。 我々は,履歴行動情報と社会的相互作用を状態埋め込みとしてエンコードし,トランジトリの時間的依存性を捉えるためにトランスフォーマーに基づく拡散モデルを考案する。 スタンフォード・ドローンやETH/UCYデータセットなど,人間の軌道予測ベンチマーク実験により,本手法の優位性を実証した。
  論文  参考訳（メタデータ） (2022-03-25T16:59:08Z)
• Short- and long-term prediction of a chaotic flow: A physics-constrained reservoir computing approach [5.37133760455631]
  乱流せん断流モデルにおける極端な事象や長期速度統計を時間精度で予測する,貯留層計算に基づく物理制約型機械学習手法を提案する。 両手法の組み合わせは, 乱流の自己持続過程モデルにおいて, 速度統計を正確に再現し, 極端な事象の発生と振幅を予測することができることを示す。
  論文  参考訳（メタデータ） (2021-02-15T12:29:09Z)

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。