論文の概要: An End-to-End Framework for Modelling Pneumatic Soft Robots Based on Differentiable Finite Element Methods
- arxiv url: http://arxiv.org/abs/2610.04612v1
- Date: Sat, 03 Oct 2026 15:52:35 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-11 18:23:13.837394
- Title: An End-to-End Framework for Modelling Pneumatic Soft Robots Based on Differentiable Finite Element Methods
- Title（参考訳）: 微分有限要素法による空気圧ソフトロボットのエンド・ツー・エンドフレームワーク
- Abstract要約: ソフトロボットは、その非線形性、複雑な力学、および潜在的に複雑な幾何学のために、重要なモデリング課題を提示する。
従来のモデリング手法は通常、精度、計算効率、速度のトレードオフに悩まされる。
本研究では,空気圧ソフトロボットのモデリングとシステム同定の効率化を目的とした,エンド・ツー・エンドの微分可能なFEMベースの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）: 17.9318582323638
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Soft robots present significant modelling challenges due to their non-linearity, complex dynamics and potentially intricate geometries. These difficulties in accurate system identification and dynamics modelling limit their applications in precise robotics tasks. Prior modelling approaches typically suffer from trade-offs in accuracy, computational efficiency, or speed. The differentiable finite element method (FEM) offers a promising balance between these desiderata for soft robot modelling, and enables the use of gradients for efficient calibration and trajectory optimisation. In this paper, we propose an end-to-end differentiable FEM-based framework designed to streamline modelling and system identification for pneumatic soft robots, enabling the generation of reliable models for downstream tasks. The framework automates the conversion of computer-aided designs into voxelised tetrahedral viscoelastic FEM meshes that accurately represent the robot's geometry and actuation mechanism. By integrating easily acquired point cloud data with differentiable FEM, the framework achieves precise identification of material and dynamic actuation parameters using a minimal experimental setup. Additionally, the differentiable nature of the model facilitates trajectory optimisation by leveraging gradients from robot dynamics and contact interactions. We validate the framework by modelling a complex bellow-shaped pneumatic soft robot and demonstrate its efficacy in real-world motion planning tasks. Experimental results indicate high modelling accuracy, with a maximum positional error of less than 3 mm, and successful application in tasks such as path following and grasping.
- Abstract（参考訳）: ソフトロボットは、その非線形性、複雑な力学、および潜在的に複雑な幾何学のために、重要なモデリング課題を提示する。
正確なシステム同定と力学モデリングにおけるこれらの困難さは、正確なロボット工学タスクにおける応用を制限する。
従来のモデリング手法は通常、精度、計算効率、速度のトレードオフに悩まされる。
微分可能有限要素法 (FEM) は, ソフトロボットモデリングにおけるこれらのデシラタ間の有望なバランスを提供し, 効率的なキャリブレーションと軌道最適化のための勾配の利用を可能にする。
本稿では,空気圧ソフトロボットのモデリングとシステム識別を効率化し,下流タスクのための信頼性の高いモデル生成を可能にする,エンドツーエンドの微分可能なFEMベースのフレームワークを提案する。
このフレームワークは、コンピュータ支援された設計を、ロボットの幾何学と運動機構を正確に表現したボキシ化四面体粘弾性FEMメッシュに変換する。
容易に取得可能な点雲データと微分可能なFEMを統合することにより、最小限の実験装置を用いて、材料および動的アクチュエータパラメータの正確な同定を実現する。
さらに、モデルの微分可能な性質は、ロボット力学や接触相互作用からの勾配を利用して軌道の最適化を促進する。
複雑な腹形の空気圧ロボットをモデル化し,実世界の運動計画タスクにおいて有効性を示す。
実験結果から, 3mm未満の最大位置誤差を有するモデル精度が向上し, 経路追従や把握などのタスクへの応用が成功した。
関連論文リスト
- Simulation-Driven Evolutionary Motion Parameterization for Contact-Rich Granular Scooping with a Soft Conical Robotic Hand [14.911239660367926]
ツールベースのスクーピングは、さまざまな大きさ、形状、物質状態の物体との相互作用を可能にするロボット支援タスクにおいて不可欠である。
近年の研究では、柔軟で再構成可能なソフトロボットのエンドエフェクターが、スクーピング中に一貫した接触を維持するために形状に適応できることが示されている。
これらのソフトツールは、複雑な感知や制御を必要とせずに、様々な容器の大きさや材料に調整することができる。
本稿では,変形可能な円錐型ロボットハンドの物理シミュレーションモデルの開発について述べる。
論文 参考訳（メタデータ） (2026-04-07T07:30:21Z) - Trajectory Generation for Underactuated Soft Robot Manipulators using Discrete Elastic Rod Dynamics [2.739506394240299]
動的に実現可能な軌道を持つ計画運動は任意の変形を捉えるモデルを必要とする。
本研究は,空気圧式ソフトロボットアームを用いた軌道生成の枠組みを実験的に検証する。
論文 参考訳（メタデータ） (2026-03-23T22:01:14Z) - Generalized Task-Driven Design of Soft Robots via Reduced-Order FEM-based Surrogate Modeling [8.36237361666539]
本稿では,タスク駆動型ソフトロボット設計のための一元化有限要素法(FEM)に基づく代理モデリングパイプラインを提案する。
高忠実FEMシミュレーションは、コンパクトなサロゲート継手モデルを構築するモジュラーレベルでのアクチュエータの挙動を特徴付ける。
メタモデルがアクチュエータ設計パラメータを代理表現にマップし、パラメータ化アクチュエータファミリ間の迅速なインスタンス化を可能にする。
論文 参考訳（メタデータ） (2026-03-20T09:33:09Z) - D-REX: Differentiable Real-to-Sim-to-Real Engine for Learning Dexterous Grasping [66.22412592525369]
本稿では,ガウスのSplat表現を生かした実--sim-to-realエンジンを導入し,実-sim-to-realエンジンについて述べる。
提案エンジンは, 各種物体の形状と質量値のマス識別において, 高精度かつロバストな性能を実現していることを示す。
これらの最適化された質量値は、力覚的なポリシー学習を促進し、オブジェクトの把握において優れた、高いパフォーマンスを達成する。
論文 参考訳（メタデータ） (2026-03-01T15:32:04Z) - Fractional-order Modeling for Nonlinear Soft Actuators via Particle Swarm Optimization [49.34452620841728]
本稿では, ソフト材料の動的挙動を捉えるために, 分数次微分方程式(FODE)に基づく革新的なモデリング手法を提案する。
提案手法は,ソフトアクチュエータに固有の複雑な変形現象を効果的に表現する。
論文 参考訳（メタデータ） (2025-12-20T04:46:25Z) - SORS: A Modular, High-Fidelity Simulator for Soft Robots [5.660024841218955]
ソフトロボットは、大きな非線形変形、材料非圧縮性、接触相互作用のために、ユニークなモデリング課題を提起する。
ソフトロボット応用のための多用途高忠実度シミュレータSORSを提案する。
論文 参考訳（メタデータ） (2025-12-17T21:58:46Z) - DiffuseBot: Breeding Soft Robots With Physics-Augmented Generative
Diffusion Models [102.13968267347553]
本稿では,様々なタスクにおいて優れたソフトロボット形態を生成する物理拡張拡散モデルであるDiffuseBotを提案する。
我々は、その能力とともに、シミュレーションされた、そして製造された様々なロボットを紹介します。
論文 参考訳（メタデータ） (2023-11-28T18:58:48Z) - Real-to-Sim: Predicting Residual Errors of Robotic Systems with Sparse
Data using a Learning-based Unscented Kalman Filter [65.93205328894608]
我々は,動的・シミュレータモデルと実ロボット間の残差を学習する。
学習した残差誤差により、動的モデル、シミュレーション、および実際のハードウェア間の現実的ギャップをさらに埋めることができることを示す。
論文 参考訳（メタデータ） (2022-09-07T15:15:12Z) - Differentiable Simulation of Soft Multi-body Systems [99.4302215142673]
我々は、Projective Dynamics内でトップダウン行列アセンブリアルゴリズムを開発する。
筋肉,関節トルク,空気圧管によって駆動される軟口蓋体に対して,異なる制御機構を導出する。
論文 参考訳（メタデータ） (2022-05-03T20:03:22Z) - Gradient-Based Trajectory Optimization With Learned Dynamics [80.41791191022139]
データからシステムの微分可能なダイナミクスモデルを学習するために、機械学習技術を使用します。
ニューラルネットワークは、大規模な時間的地平線に対して、非常に非線形な振る舞いを正確にモデル化できることが示される。
ハードウェア実験において、学習したモデルがSpotとRadio- controlled (RC)の両方の複雑な力学を表現できることを実証した。
論文 参考訳（メタデータ） (2022-04-09T22:07:34Z) - ADD: Analytically Differentiable Dynamics for Multi-Body Systems with
Frictional Contact [26.408218913234872]
剛体および変形可能な物体に対する摩擦接触を処理できる微分可能な動的解法を提案する。
本手法は, 摩擦接触の非平滑な性質に起因した主な困難を回避できる。
論文 参考訳（メタデータ） (2020-07-02T09:51:36Z)
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。