Flapping Wing System Dataset

自定义构建的拍翼系统实验数据集，包含力传感器和同步运动跟踪相机收集的数据。

An experimental dataset for a custom-built flapping-wing system, containing data collected by force sensors and synchronized motion tracking cameras.

原始信息汇总

数据集概述

数据集名称

A Deep Inverse-Mapping Model For A Flapping Robotic Wing (ICLR 2025)

数据集简介

官方PyTorch实现，用于“用于拍动机器人机翼的深度逆映射模型”论文（ICLR 2025）。

数据集构成

• 自定义拍动机翼系统数据：包含153个实验的153个张量，时间点数量介于550到3787之间，每个张量包含3个代表机翼旋转角度（俯仰、偏航、翻滚）的特征。
• 开源数据集：包含548个实验，每个实验470个时间点，3个机翼旋转角度（俯仰、偏航、翻滚）和5个特征（3个力测量值和2个扭矩测量值）。

数据采样率

• 自定义拍动机翼系统数据：5000 Hz
• 开源数据集：25 Hz

数据存储位置

• 本地Git仓库的ML/Data目录
• Google Drive链接

数据使用说明

• 克隆仓库，创建虚拟环境，安装依赖
• 运行main.py进行训练，TensorBoard日志保存在ML/tb_runs，模型保存在ML/saved_models

引用信息

bibtex @inproceedings{sharvit2025asl, title={A Deep Inverse-Mapping Model for a Flapping Robotic Wing}, author={Hadar Sharvit and Raz Karl and Tsevi Beatus}, booktitle={International Conference on Learning Representations}, year={2025}, url={https://openreview.net/forum?id=254NJe9JEw} }

搜集汇总

数据集介绍

构建方式

本数据集的构建基于定制的机器人拍翼系统，通过力传感器和同步运动跟踪摄像机收集数据。该系统产生的数据包括每个实验的时间点、代表翼旋转角度的三个特征以及四个力传感器测量值，构建过程中对数据进行预处理，包括重采样、插值等，以确保数据的一致性和可用性。

特点

该数据集的特点在于包含了专有的拍翼系统数据以及开源数据集，以便于与现有工作的直接比较。数据集采样率高，且每个实验的数据长度不一，提供了丰富的变异性和广泛的适用性。此外，数据集的组织结构清晰，易于访问和使用。

使用方法

使用本数据集时，用户需先克隆仓库，创建虚拟环境并安装依赖。数据集已经预处理并位于`ML/Data`目录下，可以直接使用。训练任务可通过运行`ML`目录下的`main.py`启动。同时，提供了TensorBoard日志以便于可视化训练过程，并保存了训练模型。

背景与挑战

背景概述

Flapping Wing System Dataset是专为研究拍翼机器翼的深層逆映射模型而创建的数据集。该数据集由Hadar Sharvit、Raz Karl和Tsevi Beatus等研究人员于2025年开发，旨在为拍翼机器翼的控制提供一种新的学习框架。数据集包含了自定义建造的机器拍翼系统的运动学数据和力数据，这些数据是通过高采样率传感器和同步运动跟踪相机收集的。该数据集的创建对拍翼机器的研究领域产生了重要影响，为相关领域提供了一种新的研究方法和实验数据。

当前挑战

该数据集在构建过程中遇到的挑战主要包括：1)如何精确地同步多个传感器和相机以捕捉精确的运动学和力数据；2)如何处理和标准化大量的时间序列数据以适应深度学习模型的需求。在研究领域问题上，该数据集面临的挑战是如何从运动学数据中准确预测出机器翼产生的力，以及如何构建一个能够处理时间序列数据并从中学习逆映射关系的神经网络模型。

常用场景

经典使用场景

针对飞行机器人的研究，Flapping Wing System Dataset数据集的典型应用场景在于构建深度逆映射模型，以实现机器人拍翼系统的精确控制。该数据集提供了丰富的拍翼运动学及作用力数据，可供研究者在深度学习框架下，通过模型训练，实现翼部运动与所受作用力之间的精确映射，从而提升机器人拍翼的效率和稳定性。

衍生相关工作

该数据集催生了一系列相关研究，包括但不限于拍翼机器人的动力学建模、控制策略优化、以及新型传感器集成等，这些研究进一步拓宽了数据集的应用范围，推动了飞行机器人技术的创新发展。

数据集最近研究

最新研究方向

近年来，机器人Flutter翼系统领域的研究取得了显著进展。该领域的研究人员致力于开发能够精确模拟生物Flutter翼动态的机器人系统。'Flapping Wing System Dataset'作为这一研究方向的珍贵资源，包含了用于训练深度逆映射模型的实验数据。该模型能够将机器人Flutter翼的运动学数据映射到相应的力数据，从而实现对Flutter翼的精确控制。此数据集支持的研究有助于提升无人机和微型飞行器的机动性和效率，对于未来航空领域的发展具有重要意义。