デジタルツイン統合とハイブリッドニューラルネットワークによる適応型ロボットアーム制御
1School of Artificial Intelligence, Wuhan Technical College of Communications, Wuhan, 430065, Hubei, China. ZHAOxin217@whtcc.edu.cn.
Scientific reports
|January 10, 2026
まとめ
本研究では、デジタルツインとハイブリッドニューラルネットワークを使用したインテリジェントロボットアーム制御システムを紹介します。高度なロボットアプリケーションにおける追跡精度、応答時間、外乱除去能力を大幅に向上させます。
科学分野:
- ロボット工学
- 人工知能
- 制御システム
背景:
- 従来のフィードバック制御は、複雑なロボット環境では苦労します。
- 既存のハイブリッドニューラルネットワークは、しばしば2つのコンポーネントしか使用しません。
- デジタルツインは、ロボット制御の強化の可能性を提供しますが、統合が必要です。
研究 の 目的:
- ロボットアームのための新しいデジタルツイン駆動型適応制御システムを開発すること。
- 優れたパフォーマンスのためにハイブリッドニューラルネットワークアーキテクチャを統合すること。
- 動的な設定における従来の制御方法の制限を克服すること。
主な方法:
- 物理領域と仮想領域間の双方向クローズドループマッピングを備えたデジタルツインフレームワーク。
- 畳み込みニューラルネットワーク（CNN）、長短期記憶（LSTM）ネットワーク、およびTransformerモジュールの統合。
- ハイブリッドネットワークの相乗効果のための3方向協調最適化メカニズム。
主要な成果:
- UR10eロボットアームで98.73%の追跡精度を達成しました。
- 応答時間を35.2%、外乱除去能力を42.3%向上させました。
- 0.5〜8kgの複数のロボットプラットフォームとペイロード変動にわたる一般化可能性を示しました。
結論:
- ハイブリッドニューラルネットワークを備えたデジタルツイン駆動システムは、ロボットアームに優れた適応制御を提供します。
- このアプローチは、従来のメソッドと比較して安定性、効率性、パフォーマンスを向上させます。
- このシステムは、同等の結果を得るために40%少ないサンプルしか必要としない、高いトレーニングデータ効率を示しています。
