論文の概要: Dynamics Modeling of a Multi-UAV Slung Load System Using a Discrete-Link Cable Approach

• arxiv url: http://arxiv.org/abs/2610.07456v1
• Date: Mon, 05 Oct 2026 22:05:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 02:58:29.689097
• Title: Dynamics Modeling of a Multi-UAV Slung Load System Using a Discrete-Link Cable Approach
• Title（参考訳）: 離散リンクケーブルを用いたマルチUAVスラグ負荷系のダイナミクスモデリング
• Abstract要約: 本稿では, フレキシブルケーブルをモデル化するために, 一連の剛性リンクを用いたEuler-Newton導動的モデルを提案する。 我々はこのモデルの現実的な検証を、優しく、攻撃的で、緊張の強い操作で実施する。 我々は、将来のケーブルモデルの開発のために、現実世界のフライトデータを公開します。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: A common assumption to simplify the problem of controlling a multi-UAV slung load system (MUSLS) is that the flexible cables can be modeled as massless rigid rods. In this work, we propose an alternative Euler-Newton derived dynamical model which uses a series of rigid links to model the flexible cables. The model is specifically designed to allow efficient simulation using Featherstone's articulated body algorithm. We perform real-world validation of this model on gentle, aggressive, and tension-engagement maneuvers and run a parameter sweep to determine the number of links, joint damping, and joint friction to achieve the greatest model fidelity. The model closely matches real-world flight data with mean load translation errors below 132 mm (5.5% of the cable length) and orientation errors below 11.4 degrees. We make the real-world flight data publicly available for the development of future cable models.
• Abstract（参考訳）: MUSLS(Multi-UAV slung Load System)の制御を単純化する一般的な前提は、フレキシブルケーブルを無質量剛体棒としてモデル化できるということである。 本研究では, フレキシブルケーブルをモデル化するために, 一連の剛性リンクを用いたオイラー・ニュートン動的モデルを提案する。 このモデルは、フェザーストーンの調音体アルゴリズムを用いた効率的なシミュレーションを可能にするように設計されている。 我々は,このモデルの現実的な検証を,穏やかで攻撃的で緊張感のある操作で行い,パラメータスイープを実行して,最大モデル忠実度を達成するためのリンク数,関節減衰量,関節摩擦量を決定する。 このモデルは実世界のフライトデータと、平均負荷変換誤差が132mm以下(ケーブル長の5.5%)、方位誤差が11.4°以下と密接に一致している。 我々は、将来のケーブルモデルの開発のために、現実世界のフライトデータを公開しています。

関連論文リスト

• Drift Flow Matching [69.16550765154163]
  ドリフトフローマッチング(Drift Flow Matching)は,ドリフト生成モデルとフローベース反復生成を結びつけるフレームワークである。 DFMは直接輸送マップの効率を保ちつつ、複数の推論ステップを通じて生成を洗練させる。
  論文  参考訳（メタデータ） (2026-05-17T03:58:01Z)
• Nonlinear Predictive Control of the Continuum and Hybrid Dynamics of a Suspended Deformable Cable for Aerial Pick and Place [4.356242302111724]
  本稿では、偏微分方程式(PDE)に基づく高忠実度モデルとリアルタイム制御に適した低次表現を組み合わせたケーブルの空中操作のための枠組みを提案する。 このフレームワークは、吊り下げられたフレキシブルケーブルを運ぶ無人航空機(UAV)のリアルタイムかつダイナミックス対応制御を可能にする。
  論文  参考訳（メタデータ） (2026-02-19T09:38:32Z)
• EMR-Merging: Tuning-Free High-Performance Model Merging [55.03509900949149]
  Elect, Mask & Rescale-Merging (EMR-Merging) は既存のマージ手法と比較して優れた性能を示した。 EMR-Mergingはチューニング不要なので、データアベイラビリティや追加のトレーニングは必要ありません。
  論文  参考訳（メタデータ） (2024-05-23T05:25:45Z)
• Koopman-Based Surrogate Modelling of Turbulent Rayleigh-Bénard Convection [4.248022697109535]
  我々は,LRAN(Linear Recurrent Autoencoder Network)と呼ばれるクープマンにインスパイアされたアーキテクチャを用いて,対流中の低次ダイナミクスを学習する。 従来の流体力学法であるKernel Dynamic Mode Decomposition (KDMD)を用いてLRANを比較する。 我々は,最も乱流条件下では,KDMDよりもLRANの方が正確な予測値を得た。
  論文  参考訳（メタデータ） (2024-05-10T12:15:02Z)
• Data-driven Nonlinear Model Reduction using Koopman Theory: Integrated Control Form and NMPC Case Study [56.283944756315066]
  そこで本研究では,遅延座標符号化と全状態復号化を組み合わせた汎用モデル構造を提案し,Koopmanモデリングと状態推定を統合した。 ケーススタディでは,本手法が正確な制御モデルを提供し,高純度極低温蒸留塔のリアルタイム非線形予測制御を可能にすることを実証している。
  論文  参考訳（メタデータ） (2024-01-09T11:54:54Z)
• Dataless Knowledge Fusion by Merging Weights of Language Models [47.432215933099016]
  微調整された事前学習言語モデルは、下流のNLPモデルを構築するための主要なパラダイムとなっている。 これは、より優れた単一モデルを生み出すために、個々のモデル間で知識を融合させる障壁を生み出します。 パラメータ空間のモデルをマージするデータレス知識融合法を提案する。
  論文  参考訳（メタデータ） (2022-12-19T20:46:43Z)
• End-to-End Learning of Hybrid Inverse Dynamics Models for Precise and Compliant Impedance Control [16.88250694156719]
  剛体力学モデルの物理的に一貫した慣性パラメータを同定できる新しいハイブリッドモデルの定式化を提案する。 7自由度マニピュレータ上での最先端の逆動力学モデルに対する我々のアプローチを比較した。
  論文  参考訳（メタデータ） (2022-05-27T07:39:28Z)
• Bridging Model-based Safety and Model-free Reinforcement Learning through System Identification of Low Dimensional Linear Models [16.511440197186918]
  モデルベース安全性とモデルフリー強化学習を組み合わせた新しい手法を提案する。 閉ループ系の力学を捉えるためには,低次元の力学モデルが十分であることを示す。 検出された線形モデルは、安全クリティカルな最適制御フレームワークによる保証を提供することができることを示す。
  論文  参考訳（メタデータ） (2022-05-11T22:03:18Z)
• An accelerated hybrid data-driven/model-based approach for poroelasticity problems with multi-fidelity multi-physics data [0.0]
  本稿では,多孔性問題を解決するためのハイブリッドモデル/モデルフリーなデータ駆動手法を提案する。 固体弾性と液圧応答の相違に対処するために, ハイブリッドモデルを導入する。
  論文  参考訳（メタデータ） (2020-11-30T23:36:05Z)
• Ensemble Distillation for Robust Model Fusion in Federated Learning [72.61259487233214]
  Federated Learning(FL)は、多くのデバイスが機械学習モデルを協調的にトレーニングする機械学習環境である。 現在のトレーニングスキームのほとんどでは、サーバモデルのパラメータと更新されたパラメータをクライアント側から平均化することで、中央モデルを洗練します。 本研究では,モデル融合のためのアンサンブル蒸留法を提案する。
  論文  参考訳（メタデータ） (2020-06-12T14:49:47Z)

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。