인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
초록·키워드
Abstract Vine robots represent a novel class of soft robots that achieve mobility through tip extension, a mechanism inspired by the natural growth processes of vine plants. This unique movement strategy enables effective navigation in constrained and cluttered environments, offering significant advantages over conventional robotic systems. However, the continuum nature and inherent compliance of vine robots introduce complex modeling and control challenges. Deep learning offer a powerful alternative for modeling systems with such complex dynamics. In this article, we present a data-driven dynamic model for a pressure-driven everting vine robot, utilizing a deep neural network (DNN)-based discrete-time dynamic model. This model was integrated into a model predictive control (MPC) framework, and a comparative analysis was conducted against the MPC framework using a nonlinear first-principle model of the vine robot. The results demonstrate that the DNN-MPC framework offers a better control performance and significantly improved computational efficiency compared to the MPC based on the nonlinear first-principles model. The DNN-MPC reduced computation time by a factor of 11, making it highly viable for real-time control applications.
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
