Компьютерные науки > Роботы [представлено 27 октября 2026 года] Название: От биологических кривых до мягких модульных роботов: Обучаемый обратный дизайн с неопределённо-управляемым усовершенствованным взглядом PDF HTML (экспериментальным) резюме. Регенерация этих биологических форм с использованием модульных мягких роботов открывает перспективный подход к разработке разносторонних биоинспирированных робо-систем. Вместе с тем по-прежнему трудно воплотить желаемую форму в реальную роботизированную конфигурацию. Существующие модульные мягкие роботы с кабельным приводом полагаются на расчетно дорогостоящие модели физики и комбинаторный поиск обратного дизайна, что затрудняет эффективное воспроизведение различных форм цели. Для решения этой задачи мы представляем основанные на знаниях реальные рамки, которые преобразуют биологические кривые в роботизированные конфигурации посредством обратного дизайна с помощью суррогата и усовершенствования с учетом факторов неопределенности. Предлагаемый метод сочетает полученное обратное прогнозирование с целенаправленным исследованием кандидатов, используя быструю передовую замену для оценки и отбора подходящих конструкций. Изученная суррогатная машина сокращает время прогнозирования деформации с 1,53 долл. США в 105,5 мс до 0,00008 мс, достигая приблизительно 1,9 долл. В то же время предлагаемый метод обратного проектирования сокращает проектное время с 1,99 долл. На 5 000 пробах, полученных в результате ранее невиданных резьбовых схем, этот…
От биологических кривых до мягких модульных роботов: Обратный дизайн на основе обучения с неопределенностью и уточнением
arXiv: 261 0366681v 1 Annuales Type: кросс-бюллетень. Животные демонстрируют различные формы поведения, от неуправляемого плавания угрей до архитектурных движений дюгмовых глистов. Регенерация этих биологических форм с использованием модульных мягких роботов открывает перспективный подход к разработке разносторонних биоинспирированных робо-систем. Вместе с тем по-прежнему трудно воплотить желаемую форму в реальную роботизированную конфигурацию. Существующие модульные мягкие роботы с кабельным приводом полагаются на расчетно дорогостоящие модели физики и комбинаторный поиск обратного дизайна, что затрудняет эффективное воспроизведение различных форм цели. Для решения этой задачи мы представляем основанные на знаниях реальные рамки, которые преобразуют биологические кривые в роботизированные конфигурации посредством обратного дизайна с помощью суррогата и усовершенствования с учетом факторов неопределенности. Предлагаемый метод сочетает полученное обратное прогнозирование с целенаправленным поиском кандидатов, используя быструю передовую замену для оценки и отбора sui