[논문 리뷰] Simple Models, Real Swimming: Digital Twins for Tendon-Driven Underwater Robots

Mike Y. Michelis, Nana Obayashi외 2명|arXiv (Cornell University)|2026. 02. 26.

Biomimetic flight and propulsion mechanisms인용 수 0

한 줄 요약

논문은 MuJoCo에서 빠르고 무상태(stateless) 유체 모델을 개발하여 힘줄 구동 수중 어류 로봇에 대한 디지털 트윈을 생성하고, 시뮬레이션-실제 매칭 및 RL 기반 제어를 가능하게 한다.

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.

연구 동기 및 목표

• 소프트 수중 로봇으로 현실적인 수영을 달성하는 어려움과 효율적인 모델의 필요성을 제시한다.
• 실제 데이터로 보정된 간단하고 무상태(stateless) 유체 역학 모델을 디지털 트윈으로 제안한다.
• 실험적 궤적을 최소화한 상태에서 시뮬레이션-실제 매핑을 가능하게 한다.
• 디지털 트윈을 사용한 타깃 트래킹과 같은 다운스트림 강화학습 작업을 시연한다.

제안 방법

• 강성이 있는 힘줄로 작동하는 다섯 개의 척주 세그먼트로 이뤄진 관절형 강체 꼬리를 사용한다.
• 무상태(stateless) 유체 모델을 다섯 매개변수로 채택하며, 둔형/가늘은 항력, 각 항력, Kutta 양력, Magnus 양력을 포함한다.
• 두 개의 실제 궤적과 베이지안 최적화 및 Nelder-Mead 보정을 사용해 매개변수를 보정한다.
• 기준으로 Lighthill’s Elongated Body Theory와 비교한다.
• MuJoCo와의 통합으로 실시간 속도로 실행하고 RL 파이프라인을 지원한다.

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

실험 결과

연구 질문

• RQ1 최소한의 실제 데이터로 보정된 간단한 무상태 유체 모델이 보지 못한 작동 주파수에 일반화될 수 있는가?
• RQ2 수중 tendon-driven 수영 로봇의 시뮬레이션-실제 정확도에서 무상태 모델이 전통적 해석 모델과 어떻게 비교되는가?
• RQ3 디지털 트윈이 물 속에서의 타깃 트래킹과 같은 효과적인 RL 기반 제어 작업을 가능하게 하는가?

주요 결과

• 두 개의 궤적으로 보정한 후 다섯 매개변수 무상태 유체 모델은 다양한 작동 주파수에 일반화된다.
• 모델은 MuJoCo에서 15x 실시간 속도로 실행되며 이 로봇에 대해 Elongated Body Theory 기반을 능가한다.
• 조건에 따라 평균 마커 위치 오차가 0.016–0.029 m까지 낮아지는 시뮬레이션-실제 매칭을 달성했다.
• Soft Actor-Critic을 통한 RL은 평가 환경에서 타깃 트래킹의 성공률이 93%를 달성했다.
• 디지털 트윈은 실시간 시뮬레이션-실제 학습과 확장 가능한 다중 로봗 시뮬레이션을 지원한다.

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