HTPE-v2.0 — ハイブリッド・トランスフォーマー振り子推定器

概要

HTPE（Hybrid Transformer Pendulum Estimator）は、振り子実験などの運動データから環境・物理パラメータ（例：摩擦、弾性、外乱など）を推定するためのリポジトリです。プロジェクトは1D CNNを用いた信号圧縮（特徴抽出）とModern Transformerによる時間方向の推論を組み合わせたハイブリッド構成を採用し、ノイズの多い生データから安定した推定を行うことを目的としています。実装はPython（3.10+）、PyTorch（2.0+）、Hydraを用いた設定管理で構成され、学習・評価スクリプトや設定ファイル、サンプルデータを含みます。

リポジトリの統計情報

スター数: 5
フォーク数: 2
ウォッチャー数: 5
コミット数: 5
ファイル数: 12
メインの言語: HTML

主な特徴

1D CNNバックボーンで時系列信号を圧縮し、ノイズ耐性を向上
Modern Transformerで長距離依存や時間的パターンを学習
PyTorch + Hydraに基づくモジュール化された学習・設定フロー
実験データと設定ファイルを同梱し、再現性を重視

技術的なポイント

HTPEの技術的中核は「信号圧縮（1D CNN）」と「時系列推論（Transformer）」の役割分担にあります。入力となる生の運動データ（センサやモーションキャプチャの時系列）はまず1D畳み込みネットワークで局所的特徴とノイズの除去を行い、時間解像度を保持したまま低次元の潜在表現へと圧縮されます。圧縮後の系列はModern Transformerに渡され、自己注意機構により遠方の時間ステップ間の相互作用や遅延効果を捉えることで、摩擦や減衰、外乱といった物理パラメータに対応する長距離依存関係を学習します。設計上の利点は、CNNが局所ノイズと高周波成分を効果的に処理する一方で、Transformerが全体的な動的パターンを抽出するため、短期と長期の両方の特徴を同時に扱える点です。実装面ではPyTorch 2.0の最適化とHydraによる設定管理を活用し、モデル構成、データパイプライン、訓練ハイパーパラメータを柔軟に変更可能です。小規模リポジトリながら、サンプルデータとコンフィグ群（confディレクトリ）を用意しており、研究やプロトタイプ実験の立ち上げを速めます。評価指標や学習ループ、チェックポイント保存といった標準機能も実装されている想定です（READMEに基づく設計思想）。将来的にはモデルの軽量化や物理的拘束条件（物理インフォームド学習）との統合で、より高精度・現場適用性の高い推定が期待できます。

プロジェクトの構成

主要なファイルとディレクトリ：

LICENSE: file
README.md: file
conf: dir
data: dir
main.png: file

…他 7 ファイル

まとめ

物理実験向けに設計された、CNN+Transformerの実践的なハイブリッド推定器です（50字程度）。

リポジトリ情報：

名前: HTPE-v2.0
説明: HTPE is a robust deep learning system engineered to infer physicalenvironmental parameters from raw motion data. Designed for high-precision physics experiments involving a2cm steel ball, this project utilizes a hybrid architecture combining a 1D CNN backbone for signal compressionand a Modern Transformer
スター数: 5
言語: HTML
URL: https://github.com/ZP-FUTURE/HTPE-v2.0
オーナー: ZP-FUTURE
アバター: https://avatars.githubusercontent.com/u/251472024?v=4