論文の概要: FlapSim: A Composable MuJoCo Simulation Platform and Reduced-Order Aerodynamic Model Hierarchy for Flapping-Wing Robotics
- arxiv url: http://arxiv.org/abs/2610.40902v2
- Date: Wed, 04 Nov 2026 15:32:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-05 20:19:46.878792
- Title: FlapSim: A Composable MuJoCo Simulation Platform and Reduced-Order Aerodynamic Model Hierarchy for Flapping-Wing Robotics
- Title（参考訳）: FlapSim: 折りたたみ翼ロボットのための構成可能なMuJoCoシミュレーションプラットフォームと低次空力モデル階層
- Abstract要約: 羽ばたきシミュレーションは、飛行制御と強化学習に関連する遅いダイナミクスと高周波翼の空気力学を整合させる必要がある。
本稿では,ロボット記述,翼形状,構成可能な空力モデルを組み合わせたモジュール型オープンソース MuJoCo シミュレーションプラットフォームである FlapSim を紹介する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Flapping-wing simulation need to reconcile high-frequency wingbeat aerodynamics with the slower dynamics relevant to flight control and reinforcement learning. We present FlapSim, a modular open-source MuJoCo simulation platform that combines robot descriptions, wing geometry, and composable aerodynamic models in a deterministic simulation pipeline. Across $48$ held-out scenarios spanning frequency, gimbal, wind, frequency-step, gust, and cross-robot flat-plate regimes, we compare five reduced-order configurations operating at $1\,\text{ms}$ with a $50\,μ\text{s}$ quasi-steady blade-element reference. The built-in hover cycle-averaged baseline achieves a $67.51\times$ CPU speedup but only $0.6593$ mean wrench fidelity. Combining multirate $21$-substep clock synchronization, three-dimensional linear/quadratic inflow and gust coupling, analytical blade-element geometry scaling, and phase-locked $1f\text{--}6f$ harmonics raises mean fidelity to $0.9646$ at a $65.19\times$ speedup in a five-block model. A streamlined four-block model without explicit step-transient lag states achieves $0.9662$ fidelity at a $67.98\times$ speedup. Controlled ablations show that stroke harmonics are particularly important during frequency transitions, improving held-out frequency-step fidelity by $+0.3176$. Transfer-function analysis explains this effect: fixed-window cycle averaging retains harmonic contributions when the wingbeat frequency changes, so within-cycle reconstruction also improves the filtered wrench. These results characterize the accuracy--computation tradeoff of the aerodynamic hierarchy and identify timing, inflow, geometry, and harmonic representation as central considerations for reduced-order flapping-wing simulation. The source code are available at: https://mingshanhe.github.io/FlapSim/\href{https://mingshanhe.github.io/FlapSim/}.
- Abstract（参考訳）: 羽ばたきシミュレーションは、飛行制御と強化学習に関連する遅いダイナミクスと高周波翼の空気力学を整合させる必要がある。
提案するFlapSimは,ロボット記述,翼形状,構成可能な空力モデルを組み合わせた,モジュール形式のオープンソース MuJoCo シミュレーションプラットフォームである。
周波数, ジンバル, 風, 周波数ステップ, ガスト, 横ロボットの平板構造にまたがる48ドルの保留シナリオを網羅し, 1 ,\text{ms}$ の低次構成を50,μ\text{s}$ の準定常ブレード要素参照で比較した。
内蔵のホバーサイクル平均ベースラインは67.51\times$ CPUスピードアップを達成するが、平均レンチ忠実度は0.6593$である。
マルチレート211ドルのサブステップクロック同期、三次元リニア/クアッドレートのインフローとガストカップリング、分析ブレード要素の幾何スケーリング、位相ロックされた1f\text{--}6f$ハーモニクスを組み合わせることで、5ブロックモデルで平均精度は0.9646$で65.19\times$スピードアップする。
明示的なステップ遷移ラグ状態のない合理化4ブロックモデルでは、$0.9662$の忠実さを67.98\times$のスピードアップで達成する。
制御されたアブレーションは、ストロークハーモニクスが周波数遷移において特に重要であり、保持された周波数ステップの忠実度を$+0.3176$で改善することを示している。
固定ウィンドウサイクル平均化は、ウィングビート周波数が変化したときにハーモニックな寄与を保ち、サイクル内再構成はフィルターされたレンチも改善する。
これらの結果は, 空力階層の高精度計算トレードオフを特徴付け, 時間, 流入, 幾何, 調和表現をフラッピング・ウィングシミュレーションにおける中心的考察として同定する。
ソースコードは以下の通りである。 https://mingshanhe.github.io/FlapSim/\href{https://mingshanhe.github.io/FlapSim/}。
関連論文リスト
- An Open MuJoCo Simulation Framework for a Quadrotor Carrying a Tendon-Driven Soft Continuum Arm [0.0]
本稿では, 腱駆動型ソフトコンティニュウムアームを体の下に搭載した四角形機のオープンソースシミュレーションフレームワークについて述べる。
腕は12個のセグメントからなる擬似剛体鎖としてモデル化され、一対のヒンジで結合される。
閉形式テントンテンションアロケーションは、すべてのテンションをその限界内に保持し、すべての方向において同じ曲げモーメントを与える。
論文 参考訳（メタデータ） (2026-10-11T03:32:57Z) - Feedback-Modulated Harmonic Policies for Quadruped Locomotion [15.674003643061207]
本稿では,各関節軌跡を指令条件付きフーリエ級数として表現する代替表現について検討する。
コンテキストネットワークは、ステップごとのフィードバックネットワークの係数と重みを生成する。
シミュレーションでは、この明示的な周波数構造を、関節目標を直接出力するポリシーの隠れ活性化とともに検討する。
論文 参考訳（メタデータ） (2026-09-16T00:08:37Z) - TurboT2VA: Fast Large-Scale Text-to-Video-Audio Generation via Score-Regularized Consistency Distillation [105.14745366152725]
TurboT2VAは、ジョイントテキスト・ツー・ビデオ・オーディオ生成のための蒸留および推論フレームワークである。
LTX-2では、4段階の蒸留により512$times$768の標準評価解像度でジェネレータのレイテンシを50.52sから2.51sに短縮する。
完全なスタックは、ジェネレータのレイテンシを318.74sから1つのNVIDIA H20で5.83sに短縮し、54.67$times$ジェネレータのみのスピードアップを達成した。
論文 参考訳（メタデータ） (2026-08-25T15:09:02Z) - Acceleration of horizontal numerical advection for atmospheric modeling through surrogate modeling with temporal coarse-graining [0.30586855806896046]
本研究では,空間分解能を犠牲にすることなく,対流シミュレーションを高速化する機械学習型解法を開発した。
我々のソルバフレームワークは、集中度とCFL数を入力とし、質量フラックスを出力する畳み込みニューラルネットワークを含む。
速度の増大と精度の低下は粗化の増大とともに減少し、r2 = 0.24$の精度は10倍の速度で失われる。
論文 参考訳（メタデータ） (2026-04-30T23:47:05Z) - Valley-Aware Optimal Control of Spin Shuttling Using Cryogenic Integrated Electronics [33.72751145910978]
エンド・ツー・エンドのコシミュレート・フレームワークは、乱れインフォームド・バレーマップとトランジスタレベルの低温回路シミュレーションを組み合わせる。
速度変調に適した完全一体型低温シャットリング信号発生器は周期的な波形整形を可能にする。
共模擬フレームワークにおけるバレーとノイズの実現により,最適化された速度変調波形により輸送性能が向上する。
論文 参考訳（メタデータ） (2026-04-22T12:14:16Z) - CAWN: Continuous Acoustic Wave Networks for Autoregressive Language Modeling [46.16066322190728]
完全連続配列混合アーキテクチャであるCAWN(Continuous Acoustic Wave Network)を導入する。
CAWNは離散行列ベースの注意を代わりに、多面体複素ドメインファサーに隠された状態を計画している。
超長コンテキスト上での信号劣化を防止するため,デュアルゲート選択位相共振機構を導入する。
論文 参考訳（メタデータ） (2026-04-05T20:13:22Z) - Physics-Informed Transformer for Multi-Band Channel Frequency Response Reconstruction [12.10905157982893]
完全広帯域周波数応答を再構成する物理インフォームド複素変換器を提案する。
各サブバンドの干渉パターンは独立した2状態離散時間マルコフ連鎖としてモデル化される。
モデルは全速度範囲にわたって滑らかに低下し、他の全てのベースラインを一貫して上回っている。
論文 参考訳（メタデータ） (2026-04-02T12:06:27Z) - Adaptive Federated Learning Over the Air [108.62635460744109]
オーバー・ザ・エア・モデル・トレーニングの枠組みの中で,適応勾配法,特にAdaGradとAdamの連合バージョンを提案する。
解析の結果,AdaGrad に基づくトレーニングアルゴリズムは $mathcalO(ln(T) / T 1 - frac1alpha の速度で定常点に収束することがわかった。
論文 参考訳（メタデータ） (2024-03-11T09:10:37Z) - SE(3)-Stochastic Flow Matching for Protein Backbone Generation [54.951832422425454]
我々はFoldFlowを紹介した。FoldFlowは,3mathrmD$の剛性運動に対するフローマッチングパラダイムに基づく,モデリング能力向上のための新しい生成モデルである。
FoldFlow生成モデルのファミリーは、タンパク質の生成モデルに対する従来のアプローチよりもいくつかの利点を提供している。
論文 参考訳（メタデータ） (2023-10-03T19:24:24Z) - Predicting the Stability of Hierarchical Triple Systems with
Convolutional Neural Networks [68.8204255655161]
本稿では,階層型三重項の安定性を予測する畳み込みニューラルネットワークモデルを提案する。
すべてのトレーニングされたモデルは公開されており、純粋な$N$-bodyメソッドよりも200ドルの速さで階層的な3重システムの安定性を予測することができる。
論文 参考訳（メタデータ） (2022-06-24T17:58:13Z)
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。