論文の概要: MagServo: Uncertainty-Resilient Hierarchical Magnetic Servoing via Learned Latent Representations
- arxiv url: http://arxiv.org/abs/2610.06046v1
- Date: Mon, 05 Oct 2026 09:42:40 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-09 19:10:17.045044
- Title: MagServo: Uncertainty-Resilient Hierarchical Magnetic Servoing via Learned Latent Representations
- Title（参考訳）: MagServo: 学習された潜在表現による不確実でレジリエントな階層的磁気サーボ
- Abstract要約: MagServoは、堅牢な6-DoF磁気サーボのための階層的な学習ベースのフレームワークである。
マスクによる再構成により、不確実性と弾力性を持つ磁気表現を学習する。
ロボットの動きと潜時磁気遷移の間の状態依存的な相互作用のダイナミクスをキャプチャする。
- 参考スコア（独自算出の注目度）: 6.340829179480035
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Magnetic navigation provides contact-free and line-of-sight-independent feedback for robotic systems, yet existing approaches typically rely on explicit pose estimation or direct use of raw magnetic measurements, making accurate control susceptible to modeling errors, measurement noise, and disturbances. This work presents MagServo, a hierarchical learning-based framework for robust 6-DoF magnetic servoing directly using the learned latent magnetic feature. MagServo learns uncertainty-resilient magnetic representations through masked reconstruction and captures state-dependent interaction dynamics between robot motion and latent magnetic transitions without analytical magnetic models or explicit Jacobian supervision. Based on the learned dynamics, a hierarchical controller combines nonlinear model predictive control for coarse approach with local Jacobian inversion for precise fine regulation. Extensive physical experiments demonstrate submillimeter and subdegree accuracy, achieving mean terminal errors of 0.386 mm and 0.479 degree for 6-DoF pose reaching. MagServo further outperforms a localization-based control baseline in complex trajectory tracking and maintains robust performance under unseen magnetic-source configurations without retraining. A supplementary video of the real-robot experiments is available at https://youtu.be/rZt1NUP1Mr0.
- Abstract（参考訳）: 磁気ナビゲーションは、ロボットシステムに対して接触のない、直視非依存のフィードバックを提供するが、既存のアプローチは、通常、明示的なポーズ推定や生の磁気測定の直接的な使用に依存し、エラー、測定ノイズ、乱れの正確な制御を許容する。
この研究でMagServoは6-DoF磁気サーボのための階層的学習ベースのフレームワークである。
MagServoは、マスクされた再構成によって不確実性の磁気表現を学習し、解析的磁気モデルや明示的なジャコビアン監督なしに、ロボットの動きと潜時磁気遷移の間の状態依存的な相互作用のダイナミクスをキャプチャする。
学習力学に基づいて、階層型コントローラは、粗いアプローチのための非線形モデル予測制御と局所ジャコビアン反転を組み合わせて、精密な微調整を行う。
大規模な物理実験では6-DoFのポーズ到達に対して0.386mmと0.479度の平均終端誤差を達成し、サブミリとサブ学位の精度を示す。
MagServoはさらに、複雑な軌道追跡において、ローカライゼーションベースの制御ベースラインよりも優れており、リトレーニングすることなく、見えない磁気ソース構成の下で堅牢なパフォーマンスを維持する。
実ロボット実験の補足ビデオはhttps://youtu.be/rZt1NUP1Mr0で公開されている。
関連論文リスト
- Magnetic based In-situ Self 3D Pose Estimation for a Modular Soft Tendon-Driven Continuum Robot via IMU-Fusion [5.748372737579719]
本稿では、慣性計測ユニット(IMU)とアクティブ磁場を組み合わせた組込みポーズセンシングフレームワークを提案し、外部カメラに頼らずにロボット構成を推定する。
提案システムはクローズドループ制御により実験的に検証され、推定されたロボット構成を用いて、対象物と相互作用しながら、所望の位置にエンドエフェクタを維持できる。
論文 参考訳（メタデータ） (2026-09-30T15:24:19Z) - Learning Dynamic Swing-Up of an Inverted Pendulum using Remote Magnetic Actuation [6.521353368731396]
臨床読影型Navion eMNSを用いて, 磁気作動式逆振子の最初の発振を実演した。
提案手法は,内部のeMNSダイナミクスを考慮に入れた軌道最適化と,LQR(Linear Quadratic Regulator)状態フィードバックを併用する。
イテレーティブ・ラーニング・コントロール(ILC)は、6回のイテレーションでスウィングアップを成功させることができる。
論文 参考訳（メタデータ） (2026-06-11T21:12:05Z) - A tunable feedback-controlled magnetic trap for a magnet in free fall [41.89902918118875]
本稿では,MPIDMT (Master proportional-integral-differential magnetic trap) を提案する。
微小重力下では、システムは強磁性粒子を1.5gまでの衝撃加速に対して安定に浮遊させ、低磁場(0.4g)と純粋な自由落下の両方でその運動を解消する。
結果は、自由落下強磁性磁気学への重要なステップ、マクロなラーモアの沈み込みの長期的直接観測、そして将来の宇宙実験である。
論文 参考訳（メタデータ） (2026-05-31T06:56:41Z) - Shape Control of a Planar Hyper-Redundant Robot via Hybrid Kinematics-Informed and Learning-based Approach [42.55947704321053]
ハイパー冗長ロボットは、厳密で非構造的な環境での操作をうまく行うことができる。
到達可能な作業空間を拡張するために,多段式フレキシブルラック作動型平面ロボットを開発した。
本研究では,SpatioCoupledNet というハイブリッドキネマティクス・インフォームド・学習型形状制御手法を提案する。
論文 参考訳（メタデータ） (2026-03-11T04:35:06Z) - Airborne Magnetic Anomaly Navigation with Neural-Network-Augmented Online Calibration [2.093510158982824]
MagNavはジャミングに耐性があり、衛星ナビゲーションに代わる堅牢な代替品である。
航空機のプラットホームの大型でダイナミックな磁気干渉をリアルタイムに補償する必要がある。
我々は、航空機の磁気信号を完全に飛行中に識別し、補償する「コールドスタート」機能を備えた、完全に適応的なMagNavアーキテクチャを提案する。
論文 参考訳（メタデータ） (2026-03-09T11:35:04Z) - Gradient Networks for Universal Magnetic Modeling of Synchronous Machines [39.146761527401424]
本稿では,飽和同期機の動的モデリングのための物理インフォームドニューラルネットワーク手法を提案する。
本稿では,勾配ネットワークを基本機械方程式に直接組み込むアーキテクチャを提案する。
本稿では,5.6kW永久磁石同期機の有限要素法(FEM)を用いて提案手法を検証する。
論文 参考訳（メタデータ） (2026-02-16T17:28:42Z) - Physics Aware Neural Networks: Denoising for Magnetic Navigation [3.624059602945058]
空中システムは、地磁気データを抽出する上で重要な課題に直面している。
本研究では, 分散自由ベクトル場とE(3)等分散という, 物理学に基づく2つの制約に基づく枠組みを提案する。
実験により、これらの制約を埋め込むことで予測精度と物理的妥当性が大幅に向上し、古典的なディープラーニングアプローチよりも優れていることが示された。
論文 参考訳（メタデータ） (2026-02-14T09:23:57Z) - Dual-quaternion learning control for autonomous vehicle trajectory tracking with safety guarantees [39.146761527401424]
運動を運動論的に記述できる自律型ロボットプラットフォームのための学習型軌道追跡制御器を提案する。
コントローラは二重四元数フレームワークで定式化され、角速度と直線速度の直接の指令を仮定して速度レベルで動作する。
論文 参考訳（メタデータ） (2026-01-06T15:30:02Z) - MagShield: Towards Better Robustness in Sparse Inertial Motion Capture Under Magnetic Disturbances [13.892372294378282]
MagShieldは、スパース慣性モーションキャプチャ(MoCap)システムにおける磁気干渉の問題に対処するために設計された。
マルチIMU関節分析により磁気障害を初めて検出し、人間の動き先を用いて方向誤差を補正する。
論文 参考訳（メタデータ） (2025-06-28T14:42:59Z) - Machine learning assisted tracking of magnetic objects using quantum diamond magnetometry [33.7054351451505]
リモート磁気センシングは、オブジェクトの位置をリアルタイムで監視するために使用することができる。
本研究では,実験データのみに基づいて学習可能な機械学習(ML)手法を実証する。
以上の結果から,このML法を磁気物体のリアルタイムモニタリングに応用する可能性が示唆された。
論文 参考訳（メタデータ） (2025-02-20T16:11:38Z) - Physics-Inspired Temporal Learning of Quadrotor Dynamics for Accurate
Model Predictive Trajectory Tracking [76.27433308688592]
クオーロタのシステムダイナミクスを正確にモデル化することは、アジャイル、安全、安定したナビゲーションを保証する上で非常に重要です。
本稿では,ロボットの経験から,四重項系の力学を純粋に学習するための新しい物理インスパイアされた時間畳み込みネットワーク(PI-TCN)を提案する。
提案手法は,スパース時間的畳み込みと高密度フィードフォワード接続の表現力を組み合わせて,正確なシステム予測を行う。
論文 参考訳（メタデータ） (2022-06-07T13:51:35Z)
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。