要約
複数のパラメーターに応じて、ソフトロボットは数値的にモデル化するのが難しいさまざまな移動モードを示すことができます。
その結果、複数のエアロおよび流体力学的プロセスが動きに影響を与える場合、特に低いレイノルズ数を特徴とする小規模システムでは、パフォーマンスの向上は複雑です。
この作業では、実験結果（測定された水泳速度）を2つの進化アルゴリズムのフィットネス関数として適用することにより、光力発電ミリメートルの水中スイマーの移動を最適化します：粒子群最適化と遺伝的アルゴリズム。
さまざまな特性（表現型）を備えたこれらの柔らかく駆動型のロボットを迅速に製造できるため、多くの競合するロボットを使用して連続した世代の水泳速度を改善するための最適化実験のための優れたプラットフォームを提供します。
興味深いことに、自然の進化と同様に、予期しない遺伝子の組み合わせは、速度の8倍の増加や自己展開の水中運動モードの発見など、驚くほど良い結果をもたらしました。
要約(オリジナル)
Depending on multiple parameters, soft robots can exhibit different modes of locomotion that are difficult to model numerically. As a result, improving their performance is complex, especially in small-scale systems characterized by low Reynolds numbers, when multiple aero- and hydrodynamical processes influence their movement. In this work, we optimize light-powered millimetre-scale underwater swimmer locomotion by applying experimental results – measured swimming speed – as the fitness function in two evolutionary algorithms: particle swarm optimization and genetic algorithm. As these soft, light-powered robots with different characteristics (phenotypes) can be fabricated quickly, they provide a great platform for optimisation experiments, using many competing robots to improve swimming speed over consecutive generations. Interestingly, just like in natural evolution, unexpected gene combinations led to surprisingly good results, including eight-fold increase in speed or the discovery of a self-oscillating underwater locomotion mode.
arxiv情報
| 著者 | Mikołaj Rogóż,Zofia Dziekan,Piotr Wasylczyk |
| 発行日 | 2025-05-28 22:39:11+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google