論文の概要: A Tendon-Driven Robotic Jellyfish with Constrained Soft Actuation and Depth Control via Reinforcement Learning

• arxiv url: http://arxiv.org/abs/2609.29132v1
• Date: Thu, 24 Sep 2026 07:10:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-25 21:10:09.765618
• Title: A Tendon-Driven Robotic Jellyfish with Constrained Soft Actuation and Depth Control via Reinforcement Learning
• Title（参考訳）: ソフトアクティベーションを制約した腱駆動型ロボットゼリーと強化学習による深さ制御
• Abstract要約: 柔らかい動きを制限した腱駆動型ロボットクラゲを提示する。 4つのサーボによって駆動される8つのアクチュエーターにより、ロボットは安定した水泳、姿勢調整、自己照準を行うことができる。 その結果, 機械的制約によりソフトアクティベーションの制御性が向上し, 適合したクラゲのような動きが保たれることがわかった。
• 参考スコア（独自算出の注目度）: 8.537324122227462
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Jellyfish-inspired robots offer a compliant and efficient approach to underwater locomotion, but achieving large deformation together with repeatable actuation and closed-loop control remains challenging. In this work, we present a tendon-driven robotic jellyfish with constrained soft actuation. Each actuator combines a flexible substrate with discrete constraints, enabling bending up to \(150^\circ\) with an approximately linear tendon displacement-bending relationship. Eight actuators driven by four servos allow the robot to perform stable swimming, attitude adjustment, and self-righting. Based on the linear actuation, a reinforcement-learning controller is further developed, enabling closed-loop depth regulation in both simulation and physical experiments. These results show that mechanical constraints can improve the controllability of soft actuation while preserving compliant jellyfish-like motion, providing a route toward manoeuvrable and autonomous jellyfish robots.
• Abstract（参考訳）: クラゲにインスパイアされたロボットは、水中での移動に忠実で効率的なアプローチを提供するが、繰り返し動きやクローズドループ制御とともに大きな変形を達成することは依然として困難である。 そこで本研究では,腱駆動型ロボットクラゲのソフトアクティベーションについて紹介する。 各アクチュエータは、フレキシブル基板と離散的な制約を結合し、(150^\circ\)まで曲げられるようにし、ほぼ直線的な腱の変位-曲げ関係を可能にする。 4つのサーボによって駆動される8つのアクチュエーターにより、ロボットは安定した水泳、姿勢調整、自己照準を行うことができる。 線形アクチュエータに基づいて、シミュレーションと物理実験の両方において閉ループ深度制御を可能にする強化学習コントローラをさらに開発する。 これらの結果から, 機械的制約がソフトアクティベーションの制御性を向上し, 適合したクラゲのような動きを保ち, 操作可能で自律的なクラゲロボットへの道筋が示唆された。

関連論文リスト

• KYON: Semi-Modular Wheel-Legged Quadruped With Agile Bimanual Capability [3.041420062518373]
  KYON (KYON) は、ロコ操作用の上半身を持つ四足歩行ロボットである。 プラットフォームは半モジュラーデザインで、構成変更可能な下肢を備えており、環境に応じて車輪と脚の移動が可能である。
  論文  参考訳（メタデータ） (2026-06-29T12:54:09Z)
• Design, Modeling and Direction Control of a Wire-Driven Robotic Fish Based on a 2-DoF Crank-Slider Mechanism [7.409300331963032]
  操舵から推進を分離するクランクスライダ機構を備えたワイヤ駆動型ロボットフィッシュを開発した。 本稿では,推進と操舵の独立的な規制を実現するためのフィードフォワードフィードバック制御戦略を提案する。
  論文  参考訳（メタデータ） (2026-03-03T10:55:45Z)
• CHIP: Adaptive Compliance for Humanoid Control through Hindsight Perturbation [70.5382178207975]
  hIsight Perturbation (CHIP)は、制御可能なエンドエフェクタ剛性を実現するプラグイン・アンド・プレイモジュールである。 CHIPの実装は簡単で、データ拡張も追加の報酬チューニングも必要ありません。 そこで本研究では,CHIPでトレーニングした汎用モーショントラッキングコントローラが,多種多様な操作タスクを実行できることを示す。
  論文  参考訳（メタデータ） (2025-12-16T18:56:04Z)
• Coordinating Spinal and Limb Dynamics for Enhanced Sprawling Robot Mobility [0.047116288835793156]
  柔軟性のある脊椎は、脊椎に沿って波状の動きを通して身体を揺らぎ、不均一な地形や障害物を航行するのを助ける。 表面の不規則や摩擦の変動といった環境の不確実性は、体-肢の協調を著しく阻害する。 深い強化学習は、非決定論的環境を扱うための有望なフレームワークを提供する。 本研究では,サンショウウオのようなロボットを用いた学習型制御戦略と生物学的にインスパイアされた歩行設計手法について比較検討した。
  論文  参考訳（メタデータ） (2025-04-18T23:08:48Z)
• An Untethered Bioinspired Robotic Tensegrity Dolphin with Multi-Flexibility Design for Aquatic Locomotion [26.745400349653767]
  本稿では,イルカの柔軟性を模倣するバイオインスパイアされたアプローチを用いて,軟イルカロボットへの第一歩を示す。 現在のイルカロボットは最小限のアプローチを採用しており、ケーブル駆動の自由度は2つしかない。 アクティベートされた尾は、水泳の動きで上下に動くが、この最初の概念実証ではロボットの回転を制御できない。
  論文  参考訳（メタデータ） (2024-11-01T04:05:24Z)
• Reinforcement Learning for Versatile, Dynamic, and Robust Bipedal Locomotion Control [106.32794844077534]
  本稿では,二足歩行ロボットのための動的移動制御系を構築するために,深層強化学習を用いた研究について述べる。 本研究では、周期歩行やランニングから周期ジャンプや立位に至るまで、様々な動的二足歩行技術に使用できる汎用的な制御ソリューションを開発する。 この研究は、二足歩行ロボットの俊敏性の限界を、現実世界での広範な実験を通じて押し上げる。
  論文  参考訳（メタデータ） (2024-01-30T10:48:43Z)
• VAE-Loco: Versatile Quadruped Locomotion by Learning a Disentangled Gait Representation [78.92147339883137]
  本研究では,特定の歩行を構成する主要姿勢位相を捕捉する潜在空間を学習することにより,制御器のロバスト性を高めることが重要であることを示す。 本研究では,ドライブ信号マップの特定の特性が,歩幅,歩幅,立位などの歩行パラメータに直接関係していることを示す。 生成モデルを使用することで、障害の検出と緩和が容易になり、汎用的で堅牢な計画フレームワークを提供する。
  論文  参考訳（メタデータ） (2022-05-02T19:49:53Z)
• Reinforcement Learning for Robust Parameterized Locomotion Control of Bipedal Robots [121.42930679076574]
  シミュレーションにおけるロコモーションポリシをトレーニングするためのモデルフリー強化学習フレームワークを提案する。 ドメインランダム化は、システムダイナミクスのバリエーションにまたがる堅牢な振る舞いを学ぶためのポリシーを奨励するために使用されます。 本研究では、目標歩行速度、歩行高さ、旋回ヨーなどの多目的歩行行動について示す。
  論文  参考訳（メタデータ） (2021-03-26T07:14:01Z)
• Learning Quadrupedal Locomotion over Challenging Terrain [68.51539602703662]
  足の移動はロボティクスの操作領域を劇的に拡張することができる。 足の移動のための従来のコントローラーは、運動プリミティブと反射の実行を明示的にトリガーする精巧な状態マシンに基づいている。 ここでは、自然環境に挑戦する際の足の移動に対して、徹底的に頑健な制御器を提案する。
  論文  参考訳（メタデータ） (2020-10-21T19:11:20Z)

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。