論文の概要: Inertial Steering and Motion Prediction of Tracked Vehicles on Low-Adherence Surfaces

• arxiv url: http://arxiv.org/abs/2610.38888v1
• Date: Wed, 28 Oct 2026 20:50:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-03 08:21:30.157936
• Title: Inertial Steering and Motion Prediction of Tracked Vehicles on Low-Adherence Surfaces
• Title（参考訳）: 低粘性表面における追従車両の慣性ステアリングと運動予測
• Abstract要約: 移動質量から生じる慣性効果は、低摩擦面上での操舵に意図的に利用することができる。 受動トレーラを用いたトラック車両の動的モデルを開発した。 内部質量の制御された運動は氷上での旋回運動を生じさせることを示す。
• 参考スコア（独自算出の注目度）: 1.7846146419522955
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Tracked vehicles are widely used in off-road applications, but their conventional motion models often rely on no-slip assumptions that become inaccurate on low-adherence surfaces. Rather than treating inertial effects arising from slip as a disturbance to be minimized, this work investigates how inertial effects arising from a moving mass can be deliberately exploited for steering on low-friction surfaces. A dynamic model for an articulated tracked vehicle with a passive trailer is developed, allowing inertial effects from trailer motion to be captured. The approach is experimentally evaluated on ice, where our dynamic model outperforms the kinematic baseline. We also propose a mixed dynamic-kinematic model to adapt predictions to both surface and situation by exploiting predictions from both methods. Finally, we demonstrate inertial steering on a mono-track vehicle without a conventional steering mechanism, showing that controlled movements of an internal mass can generate turning motion on ice. The resulting behavior can be predicted using the proposed dynamic model by representing the internal mass as a frictionless trailer, revealing the analogous dynamics between the two configurations. These results demonstrate the feasibility of inertial steering as an alternative steering mechanism for tracked vehicles operating in low-adherence environments.
• Abstract（参考訳）: 追尾車両はオフロード用途で広く使用されているが、従来の動きモデルは、低アヒーレンス面で不正確な非すべり仮定に依存していることが多い。 本研究は,スリップから生じる慣性効果を最小化するための障害として扱うのではなく,移動質量から生じる慣性効果を低摩擦面上での操舵に意図的に活用する方法について検討する。 受動トレーラー付き調音トラック車両の動的モデルを開発し、トレーラー運動による慣性効果を捕捉する。 この手法は氷上で実験的に評価され、我々の動的モデルはキネマティックベースラインよりも優れている。 また,両手法の予測を利用して,表面および状況の両方に予測を適応させる混合力学モデルを提案する。 最後に,従来の操舵機構を使わずに単軌道車両上での慣性操舵を実演し,内部質量の制御運動が氷上での旋回運動を生じさせることを示した。 得られた挙動は、内部質量を摩擦のないトレーラーとして表現することにより、提案した動的モデルを用いて予測できる。 これらの結果から,低アヒーレンス環境で走行する追従車両の代替ステアリング機構としての慣性ステアリングの実現可能性が確認された。

関連論文リスト

• Activation Steering Induces Emergent Misalignment: A More Comprehensive Evaluation [74.17379276939599]
  近年のQwen-3.5シリーズにおいても,アクティベーションステアリングが広範囲のアライメントを引き起こすことが示されている。 ステアリングサイズ, ステアリングサブスペースの低ランク構造, ステアリングベクター構築時のエポック数など, キーステアリング固有の因子を解析することにより, AS誘起EMの特性を特徴づける。
  論文  参考訳（メタデータ） (2026-06-07T15:34:59Z)
• Bipedal-Walking-Dynamics Model on Granular Terrains [14.386787371962987]
  二足歩行ロボットは砂のような非構造環境において高い俊敏性と移動性を示した。 グラニュラーメディア上でのバイペダルウォーキングの移動を捉え予測するための新しい動的モデリング手法を提案する。
  論文  参考訳（メタデータ） (2026-04-13T19:12:22Z)
• A compliant ankle-actuated compass walker with triggering timing control [0.552480439325792]
  新しいモデルが提案され、即時対応の足首押し出しを可能にする制御足首作動歩行コンパス(TC-AACG)が提案される。 提案手法は2足歩行モデルの運動能力を衝動性足関節伸展法と比較して拡張することを示す。
  論文  参考訳（メタデータ） (2026-02-06T20:00:19Z)
• Diffuse-CLoC: Guided Diffusion for Physics-based Character Look-ahead Control [16.319698848279966]
  物理に基づくルックアヘッド制御のためのガイド付き拡散フレームワークであるDiffuse-CLoCを提案する。 直感的で、ステアブルで、物理的にリアルなモーション生成を可能にする。
  論文  参考訳（メタデータ） (2025-03-14T18:42:29Z)
• Probing Multimodal LLMs as World Models for Driving [72.18727651074563]
  自律運転におけるMLLM(Multimodal Large Language Models)の適用について検討する。 GPT-4oのようなモデルの開発は進んでいるが、複雑な運転環境における性能は未解明のままである。
  論文  参考訳（メタデータ） (2024-05-09T17:52:42Z)
• A Tricycle Model to Accurately Control an Autonomous Racecar with Locked Differential [71.53284767149685]
  自動オープンホイールレースカーの側面力学に対するロックディファレンシャルの影響をモデル化するための新しい定式化を提案する。 本稿では,マイクロステップの離散化手法を用いて,動的に線形化し,実時間実装に適した予測を行う。
  論文  参考訳（メタデータ） (2023-12-22T16:29:55Z)
• Isolating and Leveraging Controllable and Noncontrollable Visual Dynamics in World Models [65.97707691164558]
  Iso-DreamはDream-to-Controlフレームワークを2つの側面で改善する。 まず、逆動力学を最適化することにより、世界モデルに制御可能で制御不能な情報源を学習させることを奨励する。 第2に、エージェントの挙動を世界モデルの切り離された潜在的想像力に最適化する。
  論文  参考訳（メタデータ） (2022-05-27T08:07:39Z)
• Hybrid Physics and Deep Learning Model for Interpretable Vehicle State Prediction [75.1213178617367]
  深層学習と物理運動モデルを組み合わせたハイブリッドアプローチを提案する。 ハイブリッドモデルの一部として,ディープニューラルネットワークの出力範囲を制限することで,解釈可能性を実現する。 その結果, ハイブリッドモデルでは, 既存のディープラーニング手法に比べて精度を低下させることなく, モデル解釈性が向上できることがわかった。
  論文  参考訳（メタデータ） (2021-03-11T15:21:08Z)

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。