論文の概要: To Coordinate or Not to Coordinate? Learning to Swim with Eight Soft Arms

• arxiv url: http://arxiv.org/abs/2611.02468v1
• Date: Mon, 02 Nov 2026 03:33:47 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-03 19:48:04.472379
• Title: To Coordinate or Not to Coordinate? Learning to Swim with Eight Soft Arms
• Title（参考訳）: コーディネートするかしないか : 8本のソフトアームで水泳を学ぶ
• Abstract要約: 8腕の水泳選手は、各腕の運動振幅を独立して学習することで、水泳速度と方向を制御することができる。 近似ポリシー最適化を用いた強化学習に基づく3つの制御戦略を比較した。 有効な8腕水泳は、所定の腕間位相結合を必要としないことが示唆されている。
• 参考スコア（独自算出の注目度）: 15.974925618164498
• License:
• Abstract: Does effective swimming with multiple underactuated soft arms require explicit coordination between arms? We hypothesize that an eight-arm swimmer can control its swimming speed and direction by independently learning each arm's actuation amplitude under a shared rhythmic drive, without prescribed inter-arm phase coupling. To test this hypothesis, we compare three reinforcement learning-based control strategies using proximal policy optimization (PPO): (1) learning arm-specific actuation amplitudes without inter-arm phase coupling, (2) learning actuation amplitudes with prescribed inter-arm phase coupling, and (3) directly learning actuator commands through end-to-end PPO without an explicit rhythmic structure. Across 200 episodes with randomized three-dimensional velocity commands, the controller without phase coupling satisfies the tracking criterion in 169 episodes, compared with 117 for the phase-coupled controller and 28 for end-to-end PPO. Straight-line swimming and commanded direction-change trials further demonstrate more accurate velocity tracking without phase coupling. These findings suggest that effective eight-arm swimming does not require prescribed inter-arm phase coupling, but can instead be achieved through learned arm-specific amplitude modulation within a rhythmic control structure.
• Abstract（参考訳）: 複数の不安定なソフトアームによる効果的な水泳は、アーム間の明示的な調整を必要とするか? 我々は,各アームの運動振幅を,所定のアーム間位相結合を伴わずに,共有リズミカルドライブ下で独立に学習することにより,水泳速度と方向を制御できると仮定した。 この仮説を検証するために,(1)腕間位相結合を伴わずに腕特異的動作振幅を学習すること,(2)腕間位相結合を所定とする動作振幅を学習すること,(3)自明なリズム構造を伴わずに終端PPOを介してアクチュエータコマンドを直接学習すること,の3つの強化学習ベースの制御戦略を比較した。 ランダム化された3次元速度コマンドを持つ200エピソードにわたって、位相結合のないコントローラは、位相結合されたコントローラでは117、エンドツーエンドのPPOでは28と比較して、169エピソードのトラッキング基準を満たす。 ストレートラインスイミングと方向転換試験により、位相結合のないより正確な速度追跡が実証された。 これらの結果から, 有効8腕水泳は, 所定の腕間位相結合を必要とせず, リズム制御構造内での腕特異的振幅変調によって達成できることが示唆された。

関連論文リスト

• Learning a Motion Manifold to Constrain Ambiguity in Unsupervised 4D Medical Image Interpolation [48.61427591854038]
  非監督的な4D医療画像は、中間的な監督なしに、時間的にスパースな観察から中間解剖状態を再構築する。 サンプル固有の変動を保ちながら、候補運動場を制限する運動多様体を学習するフレームワークを開発する。 ACDC と 4D-Lung の実験は, 中間ボリュームを使わずに訓練した試験方法と, 中間管理を用いた試験方法に対する競争結果のうち, 最先端の性能を実証した。
  論文  参考訳（メタデータ） (2026-10-29T14:17:16Z)
• Turing LLM Post-Training: Calibrated Distillation and Efficient Dynamic-MoE Execution [48.87945011066967]
  本研究では, 動的経路混合(MoE)モデルのポストトレーニングについて検討し, コンソリデーション効率を維持しつつ, 独立的に最適化されたスペシャリストの統合に着目した。 提案手法は,教師が選択したTop-$K$サポートと教師の損失正規化とクリッピングを併用した校正型多目的蒸留(C-MOPD)と,ポストキャパシティ境界幅ディスパッチ,終局リプレイ,非同期ロールアウト-トレーニングオーバーラップを用いた実行パスを組み合わせたものである。
  論文  参考訳（メタデータ） (2026-10-29T11:52:20Z)
• High-resolution tactile observation makes hidden racket-control mechanisms learnable [15.573357664431976]
  専門家は、手動操作のスキルを習得するが、迅速な相互作用に対する意識的な認識は、基礎となる制御メカニズムの明瞭化を妨げる。 我々は、歴史からオブジェクト駆動とグリップ安定化制御を推定する2層フレームワークを開発した。 その結果,高い習熟度は広いコントロールよりも選択性に関係していることがわかった。 ランダム化されたコホートでは、メカニズム誘導学習者は、レベルのみのフィードバックで0.72のエキスパート格のスキルレベルを獲得した。
  論文  参考訳（メタデータ） (2026-10-26T15:03:28Z)
• DUET: Decoupled Upper- and Lower-Body Execution for Task-Agnostic Humanoid Loco-Manipulation [2.8354116595688996]
  ヒューマノイドロボットの操作ポリシーを変更するには、ロボットのバランスを維持するコントローラを再訓練する必要がある。 本研究は,移動制御と操作制御を同時に動作させる,分離された実行フレームワークであるDUETを紹介する。
  論文  参考訳（メタデータ） (2026-09-19T01:41:24Z)
• CoorGrasp: Coordinated Contact Control for Adaptive Dexterous Grasping Under Uncertainty [6.252985828864567]
  形状や位置の不確実性の下では、オープンループの実行はしばしば非協調的な接触をもたらす。 本稿では, 触覚駆動型モデル予測制御器を提案し, 各種のデキスタラスグリップの適応的, 微妙な実行について述べる。
  論文  参考訳（メタデータ） (2026-07-03T18:46:06Z)
• CUBic: Coordinated Unified Bimanual Perception and Control Framework [43.057203848664074]
  両面認識と制御のためのフレームワークであるCUBicを提案する。 CUBicは、認識と制御をブリッジする共有トークン化表現を学習する。 RoboTwinベンチマークの実験は、CUBicが標準ベースラインを一貫して上回っていることを示している。
  論文  参考訳（メタデータ） (2026-05-13T12:48:23Z)
• $h$-control: Training-Free Camera Control via Block-Conditional Gibbs Refinement [47.751369359301236]
  textbf$h$-controlは、トレーニングフリーでトレーニングベースの7つの競合相手に対して最高のFVDを達成する。 RealEstate10KとDAVISでは、textbf$h$-controlは7つのトレーニングフリーおよびトレーニングベース競合相手に対して最高のFVDを達成している。
  論文  参考訳（メタデータ） (2026-05-12T09:51:04Z)
• Safe Whole-Body Loco-Manipulation via Combined Model and Learning-based Control [46.47619556874003]
  そこで本研究では,マニピュレータアームのモデルベースアプタンス制御と足歩行の強化学習ポリシを組み合わせた全身制御を提案する。 アクセタンスコントローラは、物理的相互作用中に人間によって適用されるような外部レンチを、望ましいエンドエフェクタ速度にマッピングし、従順な振る舞いを可能にする。 6-DoFアームと手首に装着した6-DoF Force/Torqueセンサーを備えたUnitree Go2四足歩行ロボットを用いて,シミュレーションとハードウェアの両方におけるアプローチを検証する。
  論文  参考訳（メタデータ） (2026-03-02T22:31:12Z)
• Compensation Effect Amplification Control (CEAC): A movement-based approach for coordinated position and velocity control of the elbow of upper-limb prostheses [2.8360662552057314]
  補償効果増幅制御(英: Compensation Effect Amplification Control、CEAC)は、運動に基づく制御パラダイムである。 CEACは、制御遅延を導入しながら、トランクと補綴の自然な結合を増幅する。 その結果,自然腕の動きに匹敵するタスク性能が得られた。
  論文  参考訳（メタデータ） (2026-01-08T16:18:10Z)

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。