Fugu-MT 論文翻訳(概要): Mixed-Reality Feedback Control: Towards Blending of Control and Digital Twinning

論文の概要: Mixed-Reality Feedback Control: Towards Blending of Control and Digital Twinning

arxiv url: http://arxiv.org/abs/2610.19759v1
Date: Wed, 14 Oct 2026 08:13:29 GMT
ステータス: 翻訳完了
システム内更新日: 2026-10-15 21:06:16.030522
Title: Mixed-Reality Feedback Control: Towards Blending of Control and Digital Twinning
Title（参考訳）: 混合現実フィードバック制御:制御のブレンディングとデジタルツインニングを目指して
Abstract要約: デジタルツイン(DT)は、制御システムの総合的で信頼性の高いプロトタイピング、検証、検証に使用される。複数の実物に対して同時に操作されたプラントにおける入力信号とフィードバック信号の混合(fusing, defusing)を行う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）: 0.0
License: http://creativecommons.org/licenses/by-sa/4.0/
Abstract: Technologies, such as co-simulation, in particular, digital twins (DTs) are used for comprehensive and reliable prototyping, verification and validation (V&V) of control systems. There, the combination of feedback loops across multiple realities (e.g., simulations, physical setups) enables various forms of experimentation with robots and autonomous systems. However, the handling of multiple realities requires a more specific support by the modelling techniques used in control engineering. To streamline the latter in the system life cycle, we propose a framework for mixing (i.e., fusing, defusing) control input and feedback signals (i.e., stimuli, responses) in simultaneously operated plants for multiple realities.
Abstract（参考訳）: 共同シミュレーション、特にデジタルツイン(DT)のような技術は、制御システムの総合的で信頼性の高いプロトタイピング、検証、検証(V&V)に使用される。そこでは、複数の現実(シミュレーション、物理的な設定など)にわたるフィードバックループを組み合わせることで、ロボットや自律システムによる様々な形態の実験が可能になる。しかし、複数の現実の扱いには、制御工学で使用されるモデリング技術により、より具体的な支援が必要である。システムライフサイクルにおいて後者を合理化するために,複数の実物に対して同時に操作されたプラントにおいて,制御入力とフィードバック信号(刺激,応答)を混合する枠組みを提案する。

関連論文リスト

A Mixed-Reality Testbed for Autonomous Vehicles [5.831829846656395]
本稿では,自律走行車用混合現実型ハードウェア・イン・ザ・ループテストベッドを提案する。テストベッドは、移動ロボットの物理的テストベッドと高忠実度シミュレーション環境をシームレスに統合する。本稿では,認識,計画,新しいオンライン学習ベースコントローラを組み合わせた安全保証フレームワークを提案する。
論文参考訳（メタデータ） (2026-06-17T16:43:33Z)
Learning Context-Aware Neural ODE Dynamics for Adaptive Robotic Control [55.01272784312405]
本稿では,ニューラル常微分方程式に基づく文脈認識力学モデルを提案する。 Sphero BOLTロボットとFanucマニピュレータを実世界の実験で使用した。
論文参考訳（メタデータ） (2026-06-13T20:55:46Z)
Passive Variable Impedance For Shared Control [9.4607769454218]
インピーダンス制御における可変剛性の安定化と異なる制御器の調停について検討する。閉ループ系におけるパッシビティ違反を同定し,システムにパッシブ化を行う方法を提案する。提案手法は,シミュレーションだけでなく,様々なシステムにおける実ロボット実験においても検証される。
論文参考訳（メタデータ） (2026-04-22T13:39:39Z)
The Sound of Simulation: Learning Multimodal Sim-to-Real Robot Policies with Generative Audio [138.07247714782412]
MultiGenは、大規模な生成モデルを従来の物理シミュレータに統合するフレームワークである。容器や液体を注ぐ現実世界への効果的なゼロショット転送を実証する。
論文参考訳（メタデータ） (2025-07-03T17:59:58Z)
Multi-Mode Process Control Using Multi-Task Inverse Reinforcement Learning [11.820381529066475]
本稿では,データ駆動型マルチモード制御設計のための逆強化学習(IRL)とマルチタスク学習を統合した新しいフレームワークを提案する。連続発泡タンクリアクターとフィードバッチバイオリアクターのケーススタディは、適応可能なマルチモードデータとトレーニングコントローラを扱う上で、このフレームワークの有効性を検証する。
論文参考訳（メタデータ） (2025-05-27T11:01:00Z)
Communication-Control Codesign for Large-Scale Wireless Networked Control Systems [80.30532872347668]
無線ネットワーク制御システム(Wireless Networked Control Systems, WNCS)は、ドローン群や自律ロボットなどのアプリケーションにおいて柔軟な制御を可能にする産業用4.0に必須である。本稿では,マルチ状態マルコフブロックフェーディングチャネル上で限られた無線リソースを共有するセンサやアクチュエータを用いて,複数の制御ループ間の相関ダイナミクスを捕捉する実用的WNCSモデルを提案する。本研究では,ハイブリッドな動作空間を効率的に処理し,通信制御の相関関係を捉え,疎域変数や浮動小数点制御の入力に拘わらず堅牢なトレーニングを確実にするDeep Reinforcement Learning (DRL)アルゴリズムを開発した。
論文参考訳（メタデータ） (2024-10-15T06:28:21Z)
Interactive Character Control with Auto-Regressive Motion Diffusion Models [18.727066177880708]
リアルタイム動作合成のためのA-MDM(Auto-Regressive Motion Diffusion Model)を提案する。我々の条件拡散モデルは初期ポーズを入力とし、前者のフレームに条件付けられた連続した動きフレームを自動回帰的に生成する。本稿では,タスク指向サンプリング,インペインティング,階層的強化学習など,対話型制御をA-MDMに組み込む一連の手法を紹介する。
論文参考訳（メタデータ） (2023-06-01T07:48:34Z)
Multi-Scale Control Signal-Aware Transformer for Motion Synthesis without Phase [72.01862340497314]
マルチスケール制御信号認識変換器(MCS-T)を提案する。 MCS-Tは補助情報を用いてメソッドが生成した動作に匹敵する動作をうまく生成できる。
論文参考訳（メタデータ） (2023-03-03T02:56:44Z)
Adaptive Asynchronous Control Using Meta-learned Neural Ordinary Differential Equations [0.0]
実世界のロボティクスシステムは、モデルに基づく強化学習と制御の適用性を制限する課題をしばしば提示する。本稿では,メタラーニング適応力学モデルを用いて連続時間予測と制御を行うことによって,これらの困難を克服する一般的なフレームワークを提案する。本研究では,2つの異なるロボットシミュレーションと実産業ロボットの評価を行った。
論文参考訳（メタデータ） (2022-07-25T11:07:29Z)
Automatic digital twin data model generation of building energy systems from piping and instrumentation diagrams [58.720142291102135]
建物からP&IDのシンボルや接続を自動で認識する手法を提案する。シンボル認識,線認識,およびデータセットへの接続の導出にアルゴリズムを適用する。このアプローチは、制御生成、(分散)モデル予測制御、障害検出といった、さらなるプロセスで使用することができる。
論文参考訳（メタデータ） (2021-08-31T15:09:39Z)

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。