論文の概要: Temporal Learning for End-Effector Position Estimation under Aerodynamic Disturbances in Aerial Continuum Manipulation
- arxiv url: http://arxiv.org/abs/2609.28716v1
- Date: Wed, 23 Sep 2026 18:57:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-25 21:10:09.511849
- Title: Temporal Learning for End-Effector Position Estimation under Aerodynamic Disturbances in Aerial Continuum Manipulation
- Title（参考訳）: 空中連続マニピュレーションにおける空力的外乱下でのエンドエフェクタ位置推定の時間的学習
- Abstract要約: 本稿では,無人航空機(UAV)によって誘導される空力効果の下で作動する空中連続マニピュレータ(ACM)のmboxend-effector位置推定のための時間的ニューラルネットワークについて検討する。
その結果, 静的およびmboxdiscrete時間学習法と比較して, 空力障害下でのmboxend-effector位置推定におけるmboxcontinuous-time Learningの有効性が示された。
- 参考スコア（独自算出の注目度）: 0.764671395172401
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper investigates temporal neural networks for \mbox{end-effector} position \mbox{estimation} of an aerial continuum manipulator (ACM) operating under aerodynamic effects induced by the unmanned aerial vehicle (UAV). An experimental dataset is collected under stationary (\mbox{rotor-off}) and \mbox{free-hovering} conditions across continuum robot (CR) configurations and UAV altitudes, providing \mbox{end-effector} position measurements with and without aerodynamic residuals. To establish a nominal framework, \mbox{strain-parameterized} kinematic models with progressively richer strain bases are evaluated to balance model complexity and prediction accuracy. The selected nominal model then serves as the baseline for 3D position residual estimation using a \mbox{closed-form} \mbox{continuous-time} (CfC) neural network, with a multilayer perceptron (MLP) and a gated recurrent unit (GRU) used for comparison. On unseen test experiments, the CfC achieves an RMSE of \(22.00\pm1.70~\mathrm{mm}\) over five random seeds, compared with \(36.38\pm3.58~\mathrm{mm}\) for the MLP and \(27.72\pm2.92~\mathrm{mm}\) for the GRU, corresponding to reductions of \(39.52\%\) and \(20.62\%\), respectively. These results demonstrate the effectiveness of \mbox{continuous-time} learning for \mbox{end-effector} position estimation under aerodynamic disturbances relative to static and \mbox{discrete-time} learning methods.
- Abstract（参考訳）: 本稿では,無人航空機(UAV)によって誘導される空力効果の下で作動する空中連続体マニピュレータ(ACM)の<mbox{end-effector}位置の時間的ニューラルネットワークについて検討する。
実験データセットは、静止(\mbox{rotor-off})と、連続体ロボット(CR)構成とUAV高度にまたがる条件下で収集され、空力的残留物と非空力的残留物を用いて \mbox{end-effector} 位置測定を提供する。
名目的枠組みを確立するために, よりリッチなひずみ基底を持つ 'mbox{strain-parameterized} キネマティックモデルを評価し, モデルの複雑性と予測精度のバランスをとる。
選択された名目モデルは、比較に用いる多層パーセプトロン(MLP)とゲートリカレントユニット(GRU)を備えた \mbox{closed-form} \mbox{continuous-time} (CfC) ニューラルネットワークを用いて、3次元位置残差推定のベースラインとして機能する。
予期せぬ試験実験では、CfCは5つのランダムシードに対して(22.00\pm1.70~\mathrm{mm}\)のRMSEを達成し、MLPでは(36.38\pm3.58~\mathrm{mm}\)、GRUでは(27.72\pm2.92~\mathrm{mm}\)、それぞれ(39.52\%\)と(20.62\%\)の減少に対応する。
これらの結果から, 静的および離散時間学習法と比較して, 空力的外乱下での<mbox{end-effector}位置推定における \mbox{continuous-time} 学習の有効性が示された。
関連論文リスト
- SH-WRNN: Implicit Spherical Harmonics Weight Field Routing Neural Networks for Asymmetric Edge Intelligence [0.5500249707065664]
Inlicit Spherical Harmonics Weight Field Routing Neural Network (SH-WRNN)を紹介する。
現在の層の重み行列を取得する際、接続パラメータは緯度と経度を用いて局所化される。
SH-WRNNは1回のトレーニングで91.05%と81.54%の堅牢なアキュラシーを達成している。
論文 参考訳（メタデータ） (2026-09-13T15:44:47Z) - Wind and State Estimation on SE(3): Comparative Evaluation of EKF and UKF with Continuous and Discrete Quadrotor Models [0.0]
近年,風速推定のための4軸UAVが普及し,その操作性,小型化,低コスト化が図られている。
本研究は,SE(3)上の風速推定に4軸UAVの離散的および連続的力学式を用いたことを評価する。
その結果, 離散SE(3)ダイナミックスをUKFと組み合わせることで, 低コストの搭載センサーでも軌道追跡を維持しながら高い評価を行うことができた。
論文 参考訳（メタデータ） (2026-06-29T18:30:35Z) - Extra-Merge: Tracing the Rank-1 Subspace of Model Merging in Language Model Pre-Training [56.323119575322146]
Extra-Mergeは、GPT-2およびLLaMAファミリーにわたる実験において、標準のマージベースラインを一貫して上回っている。
Pythia-12B下流のタスクに対して一貫したゼロショット精度のゲインを与え、Muon citepjordan2024muonに効果的に一般化する。
論文 参考訳（メタデータ） (2026-05-26T02:48:34Z) - Depth Completion as Parameter-Efficient Test-Time Adaptation [66.72360181325877]
CAPAはパラメータ効率のよいテスト時間最適化フレームワークであり、深度補完のために事前訓練された3D基礎モデル(FM)を適用する。
ビデオの場合、CAPAはシーケンスレベルのパラメータ共有を導入し、時間的相関を利用して、堅牢性を改善し、複数フレームの一貫性を強制するために、すべてのフレームを共同で適用する。
論文 参考訳（メタデータ） (2026-02-16T13:53:23Z) - Deep Bilinear Koopman Model for Real-Time Vehicle Control in Frenet Frame [0.0]
本稿では,カービリニアFrenetフレーム内の車両力学のモデリングと制御のための深いクープマン手法を提案する。
提案フレームワークは、深層ニューラルネットワークアーキテクチャを使用して、データからクープマン演算子とその関連する不変部分空間を同時に学習する。
提案した制御器は, ベースライン制御器と比較して追従誤差を著しく低減し, 組込み自動運転車システムにおけるリアルタイム実装に適していることを確認した。
論文 参考訳（メタデータ） (2025-07-16T18:49:44Z) - RMS: Redundancy-Minimizing Point Cloud Sampling for Real-Time Pose Estimation [13.163076804805732]
本稿では,3次元点群内の冗長性を最小化する RMS という新しい点群サンプリング手法を提案する。
RMSをポイントベースKISS-ICPと機能ベースLOAMオドメトリーパイプラインに統合する。
実験により、RMSは高度で幾何学的に生成された設定において、最先端の手法よりも高速、圧縮、精度が優れていることが示された。
論文 参考訳（メタデータ） (2023-12-12T14:55:49Z) - Generative Modeling with Phase Stochastic Bridges [49.4474628881673]
拡散モデル(DM)は、連続入力のための最先端の生成モデルを表す。
我々はtextbfphase space dynamics に基づく新しい生成モデリングフレームワークを提案する。
我々のフレームワークは、動的伝播の初期段階において、現実的なデータポイントを生成する能力を示す。
論文 参考訳（メタデータ） (2023-10-11T18:38:28Z) - Manifold Interpolating Optimal-Transport Flows for Trajectory Inference [64.94020639760026]
最適輸送流(MIOFlow)を補間するマニフォールド補間法を提案する。
MIOFlowは、散発的なタイムポイントで撮影された静的スナップショットサンプルから、連続的な人口動態を学習する。
本手法は, 胚体分化および急性骨髄性白血病の治療から得られたscRNA-seqデータとともに, 分岐とマージによるシミュレーションデータについて検討した。
論文 参考訳（メタデータ） (2022-06-29T22:19:03Z) - Gaussian MRF Covariance Modeling for Efficient Black-Box Adversarial
Attacks [86.88061841975482]
我々は,ゼロオーダーのオラクルにのみアクセス可能なブラックボックス設定において,逆例を生成する問題について検討する。
我々はこの設定を用いて、FGSM(Fast Gradient Sign Method)のブラックボックス版と同様に、高速な1ステップの敵攻撃を見つける。
提案手法はクエリを少なくし,現在の技術よりも攻撃成功率が高いことを示す。
論文 参考訳（メタデータ） (2020-10-08T18:36:51Z)
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。