Bioinspired Sensing of Undulatory Flow Fields Generated by Leg Kicks in Swimming

要約

人工ラテラルライン（ALL）は、分散フローセンサーで構成される水中ロボット向けのバイオインスピレーションフローセンシングシステムです。
すべてが成功裏に適用され、体の覆い脈とバイオインスピレーションを受けたロボット魚の尾吸いによって生成された波状の流れ場が検出されました。
ただし、水泳中に人間のレッグキックによって生成された波打つフローフィールドを感知する可能性とパフォーマンスは、体系的にテストおよび研究されていません。
このペーパーでは、スイマーのレッグキックによって生成された波状の流れ場を調査するための新しいセンシングフレームワークを紹介し、バイオインスパイアのすべてのセンシングを活用しています。
Swimmer Leg Kicksによって生成された波打つフローフィールドを感知するためにAllシステムを使用する可能性を評価するために、このペーパーは、すべてのシステムと実験室で構築された人間の脚モデルを統合する実験プラットフォームを設計します。
フローセンシングの精度を高めるために、このホワイトペーパーでは、時間領域と時間周波数の特性を動的に融合する特徴抽出方法を提案します。
具体的には、時間領域の特徴は、1次元の畳み込みニューラルネットワークと双方向の長期メモリネットワーク（1DCNN-BILSTM）を使用して抽出されますが、時間周波数の特徴は、短期フーリエ変換と2次元の畳み込みニューラルネットワーク（STFT-2DCNN）を使用して抽出されます。
これらの機能は、注意メカニズムに基づいて動的に融合し、波打つ流れ場の正確なセンシングを実現します。
さらに、レッグキックパターン認識や脚の局在を蹴るなど、人間の水泳に触発されたさまざまなシナリオをテストするために、広範な実験が行われ、満足のいく結果が得られます。

要約(オリジナル)

The artificial lateral line (ALL) is a bioinspired flow sensing system for underwater robots, comprising of distributed flow sensors. The ALL has been successfully applied to detect the undulatory flow fields generated by body undulation and tail-flapping of bioinspired robotic fish. However, its feasibility and performance in sensing the undulatory flow fields produced by human leg kicks during swimming has not been systematically tested and studied. This paper presents a novel sensing framework to investigate the undulatory flow field generated by swimmer’s leg kicks, leveraging bioinspired ALL sensing. To evaluate the feasibility of using the ALL system for sensing the undulatory flow fields generated by swimmer leg kicks, this paper designs an experimental platform integrating an ALL system and a lab-fabricated human leg model. To enhance the accuracy of flow sensing, this paper proposes a feature extraction method that dynamically fuses time-domain and time-frequency characteristics. Specifically, time-domain features are extracted using one-dimensional convolutional neural networks and bidirectional long short-term memory networks (1DCNN-BiLSTM), while time-frequency features are extracted using short-term Fourier transform and two-dimensional convolutional neural networks (STFT-2DCNN). These features are then dynamically fused based on attention mechanisms to achieve accurate sensing of the undulatory flow field. Furthermore, extensive experiments are conducted to test various scenarios inspired by human swimming, such as leg kick pattern recognition and kicking leg localization, achieving satisfactory results.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google