[論文レビュー] Simple Models, Real Swimming: Digital Twins for Tendon-Driven Underwater Robots

Mike Y. Michelis, Nana Obayashi+2 more|arXiv (Cornell University)|Feb 26, 2026

Biomimetic flight and propulsion mechanisms被引用数 0

ひとこと要約

要約: この論文は、MuJoCo における高速でステートレスな流体モデルを用いて、腱駆動式の水中魚ロボットのデジタルツインを作成し、シムとリアルのマッチングと RL ベースの制御を可能にする。

ABSTRACT

Mimicking the graceful motion of swimming animals remains a core challenge in soft robotics due to the complexity of fluid-structure interaction and the difficulty of controlling soft, biomimetic bodies. Existing modeling approaches are often computationally expensive and impractical for complex control or reinforcement learning needed for realistic motions to emerge in robotic systems. In this work, we present a tendon-driven fish robot modeled in an efficient underwater swimmer environment using a simplified, stateless hydrodynamics formulation implemented in the widespread robotics framework MuJoCo. With just two real-world swimming trajectories, we identify five fluid parameters that allow a matching to experimental behavior and generalize across a range of actuation frequencies. We show that this stateless fluid model can generalize to unseen actuation and outperform classical analytical models such as the elongated body theory. This simulation environment runs faster than real-time and can easily enable downstream learning algorithms such as reinforcement learning for target tracking, reaching a 93% success rate. Due to the simplicity and ease of use of the model and our open-source simulation environment, our results show that even simple, stateless models -- when carefully matched to physical data -- can serve as effective digital twins for soft underwater robots, opening up new directions for scalable learning and control in aquatic environments.

研究の動機と目的

• ソフト水中ロボットによる現実的な泳ぎの達成の課題と、効率的なモデルの必要性を動機づける。
• 実データに較正されたシンプルでステートレスな流体ダイナミクスモデルをデジタルツインとして提案する。
• 最小限の実験的軌道からの sim-to-real マッチングを可能にする。
• デジタルツインを用いたターゲット追従などの下流の強化学習タスクを実証する。

提案手法

• 硬質腱で作動する五つの脊椎セグメントに離散化された関節 rigid-tail を用いる。
• 鈍端/細長い抗力、角加速度抗力、カッタの揚力、マグヌスの揚力を含む五パラメータのステートレス流体モデルを採用する。
• 二つの実軌道とベイズ最適化とネルダー・ミードの改良でモデル参数を較正する。
• 基準としてライトヒルの長細体理論を比較対象とする。
• MuJoCo との統合によりリアルタイム速度で実行し、RL パイプラインをサポートする。

Figure 1 : Overview of the simulated and real swimmer robots. A) Robot swimming in the pool captured from a top-down view, images overlaid are $3\text{\,}\mathrm{s}$ apart. B) The 11 markers are tracked and extracted from the video. C) Side-view of the hardware with a single motor actuating the tend

実験結果

リサーチクエスチョン

• RQ1 最小限の実データから較正された単純なステートレス流体モデルは、未知の駆動周波数に一般化できるか。
• RQ2 水中の腱駆動型泳者における sim-to-real の精度で、従来の解析モデルと比べてどの程度有効か。
• RQ3 デジタルツインは水中でのターゲット追従などの効果的な RL ベース制御タスクを可能にするか。

主な発見

• 三つの軸を含む五パラメータのステートレス流体モデルは、二つの軌道で較正した後、駆動周波数の範囲にわたって一般化できる。
• モデルは MuJoCo でリアルタイムの 15 倍速で実行され、このロボットに対して長細体理論のベースラインを上回る。
• シム-to-real マッチングは、条件をまたいで平均マーカー位置誤差を 0.016–0.029 m の低さまで達成。
• Soft Actor-Critic による RL は評価環境でターゲット追従の成功率を 93% に達成。
• デジタルツインはリアルタイムの sim-to-real 学習とスケーラブルなマルチロボットシミュレーションをサポートする。

Figure 2 : Overview of the main mechanisms for the swimmer simulation environment. We simplify the deformable spine with multiple hinge joints as an articulated rigid body, we use stiff elastic tendons for the tendon-driven actuation, a velocity-controlled motor that pulls the tendons, and a simplif