論文の概要: Reduced Cartesian Kinetostatics for Tendon-Driven Continuum Robots: Residual-Stabilized Full-Shape Propagation
- arxiv url: http://arxiv.org/abs/2609.31771v1
- Date: Thu, 24 Sep 2026 15:17:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-08 12:56:24.216373
- Title: Reduced Cartesian Kinetostatics for Tendon-Driven Continuum Robots: Residual-Stabilized Full-Shape Propagation
- Title（参考訳）: 腱駆動型連続体ロボットの軟骨キネトスタシスの低減 : 残留安定化フル形状伝搬
- Abstract要約: 腱駆動連続体ロボット(TDCR)の多くの計画および制御タスクは、完全なカルテシアンバックボーン形状を必要とする。
本稿では, 所定の腱力および腱変位軌跡に沿って平衡を伝播するTDCRに対するカルテシアンフレームワークを提案する。
- 参考スコア（独自算出の注目度）: 19.333315563300918
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Many planning and control tasks for tendon-driven continuum robots (TDCRs) require the complete Cartesian backbone geometry. We present a reduced Cartesian framework for planar, axially compressible TDCRs that propagates equilibrium configurations along prescribed tendon-force and tendon-displacement trajectories. The backbone is represented by two global position fields. Following exact variation, a Taylor-Galerkin reduction condenses prescribed spatial properties and distributed loads into offline moment vectors, yielding analytic reduced residuals and Jacobians without online spatial quadrature or numerical differentiation. Analytical differentiation and residual correction yield first-order rate systems requiring one fixed-dimensional linear solve per rate evaluation after initial equilibrium alignment on a regular branch. Across four simulated cases covering variable tendon routing, nonuniform geometry, axial compression, and their combined effects, the propagated Cartesian shapes and distributed strains closely match pointwise geometrically variable-strain (GVS) equilibrium solutions. Residual correction suppresses propagation drift across the tested step sizes while adding only about 0.98% to the mean update time of uncorrected Euler. The proposed method requires 0.508 ms per update on average, approximately 11 times faster than pointwise GVS solves. Displacement-driven experiments yield a maximum normalized mean backbone position error of 1.02% and a maximum end-effector position error of 0.28%. These results support efficient and accurate Cartesian full-shape prediction along prescribed actuation paths.
- Abstract（参考訳）: 腱駆動連続体ロボット(TDCR)の多くの計画および制御タスクは、完全なカルテシアンバックボーン形状を必要とする。
本稿では, 平面, 軸圧縮可能なTDCRに対して, 所定の腱力および腱変位軌跡に沿って平衡分布を伝搬する還元カルテシアンフレームワークを提案する。
バックボーンは2つの大域的位置場で表される。
正確な変動の後、テイラー・ゲーラーキン還元法は所定の空間特性と分散荷重をオフラインモーメントベクトルに凝縮し、解析的還元残差とジャコビアンをオンライン空間二次微分や数値微分なしで生成する。
解析的微分と残差補正は, 正則分岐上の初期平衡アライメント後の1つの固定次元線形解法パーレート評価を必要とする1次速度系を導出する。
可変テントンルーティング,非一様幾何,軸圧縮,およびそれらの複合効果を含む4つのシミュレートされたケースにおいて,プロパゲート・カルテシアン形状と分散ひずみは,GVS平衡解とよく一致する。
残差補正は, 未修正オイラーの平均更新時間に約0.98%加えながら, 試験段径の伝播ドリフトを抑制する。
提案手法は1回の更新で0.508ミリ秒を要し、GVSが解いた点の約11倍高速である。
変位駆動実験により、最大正規化平均バックボーン位置誤差は1.02%、最大エンドエフェクタ位置誤差は0.28%となる。
これらの結果は, 所定の運動経路に沿って, 効率よく正確な全形状予測を支援する。
関連論文リスト
- CyclOT: Learning Quadratic Optimal Transport Maps via Synchronized Forward-Backward Interpolants [20.064386074670605]
本稿では,学習した地図が前方および後方の変位補間を誘導する双方向ニューラルネットワークフレームワークを提案する。
スイスロール, MNIST, CelebA, シングルセルデータ, 胸部X線画像を用いた実験は, 終端忠実度, 輸送コストの逆転, 整合性, 誘導インバータの形状を評価する。
論文 参考訳（メタデータ） (2026-09-12T11:31:53Z) - Across the Loss Landscape with Progressive Growth [51.366966420881646]
成長を漸進的緩和と見なして、より平坦な地域に向けての訓練戦略がいかに成長・最適化されるかを示す。
制御されたおもちゃの流域や現実的なResNet/CI-100環境でこれらの予測を実証的に検証する。
プログレッシブな部分空間成長は、より平坦な解を確実に生成するが、曲率の低減は、普遍的にテスト性能の向上に変換されず、平坦性一般化接続における微妙さを強調している。
論文 参考訳（メタデータ） (2026-08-25T13:50:48Z) - Parameter-Dependent LMI Synthesis for Semi-Global Differential ISS Trajectory Tracking of Nonholonomic Mobile Robots Under Multiplicative Wheel Slip [0.0]
本稿では,非ホロノミック移動ロボットの軌道追跡のためのパラメータ依存線形行列不等式(LMI)フレームワークを提案する。
セミグロバル差動入力-状態安定性、所定の指数減衰率、局所極配置、アクチュエータ限定動作のためのゲインバウンドフィードバックプロキシを同時に確立する。
100人以上のモンテカルロが提案した制御器を実行し、認定封筒内の完全な軌道包摂を達成する。
論文 参考訳（メタデータ） (2026-08-08T10:27:14Z) - Stability Annealing Selects the Implicit Bias of Smoothed Sign Descent: A Rate-Indexed Barrier Path on Separable Data [3.7437735326653883]
本稿では,分離可能なデータに対する完全バッチ線形分類における速度制御中間事例について検討する。
指数損失を重み付けしたメモリレス安定アニール型スムーズドサイン降下に対して, 正規化繰り返しは, 凸バーグ型バリアの最小化に収束することが証明された。
論文 参考訳（メタデータ） (2026-07-07T08:55:35Z) - Semidefinite Relaxations for Collision-Free Motion Planning [53.160637667144876]
C4トラジェクトリの観点で,inmathbbRn制約を通じて開始からゴールへ移動するポイントロボットに焦点をあてる。
C4トラジェクトリによる最小スナップ連続計画のプランナとしての有効性を示す。
論文 参考訳（メタデータ） (2026-06-12T03:18:03Z) - Constraint-Enhanced Reinforcement Learning Based on Dynamic Decoupled Spherical Radial Squashing [1.2036262042590717]
各関節が制御ステップごとにどれだけ速く動けるかは、避けられない。
既存の方法は等方性球形の制約を課し、指数関数的に真の実現可能な集合を覆い隠す。
本稿では,ダイナミックデカップリング型球状ラジアルスクアッシング(DD-SRad)を提案する。
Unitree H1とG1のヒューマノイドロボットによる実験は、公式な共同仕様から直接パラメータ化されたエンドツーエンドの最適性を確認する。
論文 参考訳（メタデータ） (2026-05-05T18:24:46Z) - Stability and Generalization of Push-Sum Based Decentralized Optimization over Directed Graphs [55.77845440440496]
プッシュベースの分散通信は、情報交換が非対称である可能性のある通信ネットワークの最適化を可能にする。
我々は、グラディエント・プッシュ(SGP)アルゴリズムのための統一的な一様安定性フレームワークを開発する。
重要な技術的要素は、2つの量に束縛された不均衡認識の一般化である。
論文 参考訳（メタデータ） (2026-02-24T05:32:03Z) - Revisiting Zeroth-Order Optimization: Minimum-Variance Two-Point Estimators and Directionally Aligned Perturbations [57.179679246370114]
乱摂動の分布は, 摂動段差がゼロになる傾向にあるため, 推定子の分散を最小限に抑える。
以上の結果から, 一定の長さを維持するのではなく, 真の勾配に方向を合わせることが可能であることが示唆された。
論文 参考訳（メタデータ） (2025-10-22T19:06:39Z) - Machine learning in and out of equilibrium [58.88325379746631]
我々の研究は、統計物理学から適応したフォッカー・プランク法を用いて、これらの平行線を探索する。
我々は特に、従来のSGDでは平衡が切れている長期的限界におけるシステムの定常状態に焦点を当てる。
本稿では,ミニバッチの置き換えを伴わない新しいランゲヴィンダイナミクス(SGLD)を提案する。
論文 参考訳（メタデータ） (2023-06-06T09:12:49Z) - Error-Correcting Neural Networks for Two-Dimensional Curvature
Computation in the Level-Set Method [0.0]
本稿では,2次元曲率をレベルセット法で近似するための誤差ニューラルモデルに基づく手法を提案する。
我々の主な貢献は、需要に応じて機械学習操作を可能にする数値スキームに依存する、再設計されたハイブリッド・ソルバである。
論文 参考訳（メタデータ） (2022-01-22T05:14:40Z) - Balancing Rates and Variance via Adaptive Batch-Size for Stochastic
Optimization Problems [120.21685755278509]
本研究は,ステップサイズの減衰が正確な収束に必要であるという事実と,一定のステップサイズがエラーまでの時間でより速く学習するという事実のバランスをとることを目的とする。
ステップサイズのミニバッチを最初から修正するのではなく,パラメータを適応的に進化させることを提案する。
論文 参考訳（メタデータ） (2020-07-02T16:02:02Z)
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。