Buchumschlag

Data-Driven Prediction of Dynamic Interactions Between Robot Appendage and Granular Material

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wang, Guanjin, Zhao, Xiangxue, Azarm, Shapour, Balachandran, Balakumar
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Robotics Artificial Intelligence Machine Learning Numerical Analysis
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Data-driven Model Reduction for Soft Robots via Lagrangian Operator Inference
von: Sharma, Harsh, et al.
Veröffentlicht: (2024)

Learning Semilinear Neural Operators : A Unified Recursive Framework For Prediction And Data Assimilation
von: Singh, Ashutosh, et al.
Veröffentlicht: (2024)

GRAFT: Gradient-Aware Fast MaxVol Technique for Dynamic Data Sampling
von: Jha, Ashish, et al.
Veröffentlicht: (2025)

Market-Driven Subset Selection for Budgeted Training
von: Jha, Ashish, et al.
Veröffentlicht: (2025)

Accelerating Data Generation for Neural Operators via Krylov Subspace Recycling
von: Wang, Hong, et al.
Veröffentlicht: (2024)

Better Neural PDE Solvers Through Data-Free Mesh Movers
von: Hu, Peiyan, et al.
Veröffentlicht: (2023)

Sparse $L^1$-Autoencoders for Scientific Data Compression
von: Chung, Matthias, et al.
Veröffentlicht: (2024)

Generalized Orders of Magnitude for Scalable, Parallel, High-Dynamic-Range Computation
von: Heinsen, Franz A., et al.
Veröffentlicht: (2025)

Critical Sampling for Robust Evolution Operator Learning of Unknown Dynamical Systems
von: Zhang, Ce, et al.
Veröffentlicht: (2023)

Leveraging Gauge Freedom for Learning Non-Gradient Population Dynamics of Stochastic Systems
von: Berman, Jules, et al.
Veröffentlicht: (2026)

AttNS: Attention-Inspired Numerical Solving For Limited Data Scenarios
von: Huang, Zhongzhan, et al.
Veröffentlicht: (2023)

CFO: Learning Continuous-Time PDE Dynamics via Flow-Matched Neural Operators
von: Hou, Xianglong, et al.
Veröffentlicht: (2025)

Graph Neural Networks for Emulation of Finite-Element Ice Dynamics in Greenland and Antarctic Ice Sheets
von: Koo, Younghyun, et al.
Veröffentlicht: (2024)

Data efficient surrogate modeling for engineering design: Ensemble-free batch mode deep active learning for regression
von: Kapoor, Sarthak, et al.
Veröffentlicht: (2022)

CP-PINNs: Data-Driven Changepoints Detection in PDEs Using Online Optimized Physics-Informed Neural Networks
von: Dong, Zhikang, et al.
Veröffentlicht: (2022)

Advancing the Understanding of Fixed Point Iterations in Deep Neural Networks: A Detailed Analytical Study
von: Ke, Yekun, et al.
Veröffentlicht: (2024)

Deep Learning-Enhanced Preconditioning for Efficient Conjugate Gradient Solvers in Large-Scale PDE Systems
von: Li, Rui, et al.
Veröffentlicht: (2024)

Grasp-MPC: Closed-Loop Visual Grasping via Value-Guided Model Predictive Control
von: Yamada, Jun, et al.
Veröffentlicht: (2025)

IFNSO: Iteration-Free Newton-Schulz Orthogonalization
von: Hu, Chen, et al.
Veröffentlicht: (2026)

STNet: Spectral Transformation Network for Solving Operator Eigenvalue Problem
von: Wang, Hong, et al.
Veröffentlicht: (2025)

SPIKE: Stable Physics-Informed Kernel Evolution Method for Solving Hyperbolic Conservation Laws
von: Su, Hua, et al.
Veröffentlicht: (2025)

Accelerating Eigenvalue Dataset Generation via Chebyshev Subspace Filter
von: Wang, Hong, et al.
Veröffentlicht: (2025)

Branching Strategies Based on Subgraph GNNs: A Study on Theoretical Promise versus Practical Reality
von: Zhou, Junru, et al.
Veröffentlicht: (2025)

DeepContour: A Hybrid Deep Learning Framework for Accelerating Generalized Eigenvalue Problem Solving via Efficient Contour Design
von: Chen, Yeqiu, et al.
Veröffentlicht: (2025)

P$^2$C$^2$Net: PDE-Preserved Coarse Correction Network for efficient prediction of spatiotemporal dynamics
von: Wang, Qi, et al.
Veröffentlicht: (2024)

Unisolver: PDE-Conditional Transformers Towards Universal Neural PDE Solvers
von: Zhou, Hang, et al.
Veröffentlicht: (2024)

CATO: Charted Attention for Neural PDE Operators
von: Cheng, Chun-Wun, et al.
Veröffentlicht: (2026)

Generative Models for Helmholtz Equation Solutions: A Dataset of Acoustic Materials
von: Gramaccioni, Riccardo Fosco, et al.
Veröffentlicht: (2025)

A Practical Approach to Causal Inference over Time
von: Cinquini, Martina, et al.
Veröffentlicht: (2024)

A Mathematical Guide to Operator Learning
von: Boullé, Nicolas, et al.
Veröffentlicht: (2023)

Truncated Matrix Completion - An Empirical Study
von: Naik, Rishhabh, et al.
Veröffentlicht: (2025)

BWLer: Barycentric Weight Layer Elucidates a Precision-Conditioning Tradeoff for PINNs
von: Liu, Jerry, et al.
Veröffentlicht: (2025)

Random weights of DNNs and emergence of fixed points
von: Berlyand, L., et al.
Veröffentlicht: (2025)

Deriving Transformer Architectures as Implicit Multinomial Regression
von: Actor, Jonas A., et al.
Veröffentlicht: (2025)

Learning to Discover Iterative Spectral Algorithms
von: Liu, Zihang, et al.
Veröffentlicht: (2026)

Neural Operators with Localized Integral and Differential Kernels
von: Liu-Schiaffini, Miguel, et al.
Veröffentlicht: (2024)

HomPINNs: homotopy physics-informed neural networks for solving the inverse problems of nonlinear differential equations with multiple solutions
von: Zheng, Haoyang, et al.
Veröffentlicht: (2023)

ProFlow: Zero-Shot Physics-Consistent Sampling via Proximal Flow Guidance
von: Yu, Zichao, et al.
Veröffentlicht: (2026)

Paired Autoencoders for Likelihood-free Estimation in Inverse Problems
von: Chung, Matthias, et al.
Veröffentlicht: (2024)

Operator learning without the adjoint
von: Boullé, Nicolas, et al.
Veröffentlicht: (2024)