生物曲線からソフトモジュラーロボットへ：不確実性誘導型改良を伴う学習ベース逆設計

- 生物の形状変化（ウナギの遊泳、シャクトリムシの屈曲など）を、モジュール式ソフトロボットで再現するための逆設計フレームワーク。 - ケーブル駆動のモジュール式ソフトロボットを対象に、目標形状から実現可能なロボット構成を導く。 - learning-based な real-to-sim-to-real フレームワークで、surrogate-assisted inverse design と uncertainty-guided refinement を組み合わせる。

- 既存の cable-driven modular soft robots は、計算コストの高い physics-based modeling と combinatorial search に依存していた。 - 提案法は learned inverse prediction と targeted candidate exploration を組み合わせ、設計時間を大幅短縮。 - forward surrogate により変形予測時間を 1.53×10^5 ms から 0.0008 ms へ、約 1.9×10^8 倍高速化。 - 逆設計時間も 1.99×10^6 ms から 4.18 ms へ短縮。

- learned inverse prediction により候補設計を予測し、targeted candidate exploration で探索を補う。 - fast forward surrogate を用いて候補設計の変形を高速評価・選別する。 - uncertainty-guided refinement により、不確実性に基づいて設計を反復改善する。 - real-to-sim-to-real の枠組みで、生物曲線をシミュレーション上の設計に写像し、実機形状へ翻訳する。

- 未見の threading patterns から生成した 5,000 件のテストサンプルで評価。 - surrogate-based evaluation において 93% の shape reconstruction success rate を達成。 - 4 体の bioinspired robots による物理実証で、生物曲線から実現可能なロボット形状への翻訳を示した。

- 要旨からは不明。 - ただし、surrogate-based evaluation での成功率であり、実機評価の定量的な成功基準や限界については要旨に記載がない。 - uncertainty-guided refinement の寄与や、多様な形状への汎化性に関する議論は要旨からは不明。

- cable-driven modular soft robots の physics-based modeling および combinatorial search に関する先行研究。 - surrogate-assisted inverse design や learned forward surrogate を用いたソフトロボット設計の関連手法。 - uncertainty-guided refinement を用いた設計最適化の関連研究。 - real-to-sim-to-real フレームワークに関するロボティクス研究。