論文の概要: A Survey of Behavior Learning Applications in Robotics -- State of the Art and Perspectives

• arxiv url: http://arxiv.org/abs/1906.01868v3
• Date: Thu, 12 Sep 2024 12:00:26 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-15 16:28:34.518256
• Title: A Survey of Behavior Learning Applications in Robotics -- State of the Art and Perspectives
• Title（参考訳）: ロボティクスにおける行動学習応用の実態と展望
• Authors: Alexander Fabisch, Christoph Petzoldt, Marc Otto, Frank Kirchner,
• Abstract要約: 最近の多くの領域での機械学習の成功は圧倒的に多い。 実際のロボットで学んだり使ったりした行動について、幅広い概要を述べます。
• 参考スコア（独自算出の注目度）: 44.45953630612019
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent success of machine learning in many domains has been overwhelming, which often leads to false expectations regarding the capabilities of behavior learning in robotics. In this survey, we analyze the current state of machine learning for robotic behaviors. We will give a broad overview of behaviors that have been learned and used on real robots. Our focus is on kinematically or sensorially complex robots. That includes humanoid robots or parts of humanoid robots, for example, legged robots or robotic arms. We will classify presented behaviors according to various categories and we will draw conclusions about what can be learned and what should be learned. Furthermore, we will give an outlook on problems that are challenging today but might be solved by machine learning in the future and argue that classical robotics and other approaches from artificial intelligence should be integrated more with machine learning to form complete, autonomous systems.
• Abstract（参考訳）: 近年、多くの領域における機械学習の成功は圧倒的なものとなり、ロボット工学における行動学習の能力に対する誤った期待につながっている。 本研究では,ロボット行動における機械学習の現状を分析する。 実際のロボットで学んだり使ったりした行動について、より広範囲に概説する。 私たちの焦点は、キネマティックまたは感覚的に複雑なロボットです。 これには、ヒューマノイドロボットや、足のついたロボットやロボットアームなど、ヒューマノイドロボットの一部が含まれる。 提示された行動は様々なカテゴリーで分類し、何が学べるか、何が学べるかという結論を引き出す。 さらに、現在課題となっているが将来的には機械学習によって解決される可能性がある問題を概観し、古典的なロボット工学や他の人工知能からのアプローチが、機械学習と統合されて完全な自律システムを形成するべきだと論じる。

関連論文リスト

• $π_0$: A Vision-Language-Action Flow Model for General Robot Control [77.32743739202543]
  本稿では,インターネット規模のセマンティック知識を継承するために,事前学習された視覚言語モデル(VLM)上に構築された新しいフローマッチングアーキテクチャを提案する。 我々は,事前訓練後のタスクをゼロショットで実行し,人からの言語指導に追従し,微調整で新たなスキルを習得する能力の観点から,我々のモデルを評価した。
  論文  参考訳（メタデータ） (2024-10-31T17:22:30Z)
• Commonsense Reasoning for Legged Robot Adaptation with Vision-Language Models [81.55156507635286]
  脚のついたロボットは、様々な環境をナビゲートし、幅広い障害を克服することができる。 現在の学習手法は、人間の監督を伴わずに、予期せぬ状況の長い尾への一般化に苦慮することが多い。 本稿では,VLM-Predictive Control (VLM-PC) というシステムを提案する。
  論文  参考訳（メタデータ） (2024-07-02T21:00:30Z)
• HumanoidBench: Simulated Humanoid Benchmark for Whole-Body Locomotion and Manipulation [50.616995671367704]
  そこで本研究では,人型ロボットが器用な手を備えた,高次元シミュレーション型ロボット学習ベンチマークHumanoidBenchを提案する。 その結果,現在最先端の強化学習アルゴリズムがほとんどのタスクに支障をきたすのに対して,階層的学習アプローチはロバストな低レベルポリシーに支えられた場合,優れた性能を達成できることがわかった。
  論文  参考訳（メタデータ） (2024-03-15T17:45:44Z)
• Teach Me How to Learn: A Perspective Review towards User-centered Neuro-symbolic Learning for Robotic Surgical Systems [3.5672486441844553]
  近年の機械学習の進歩により、ロボットは知覚的非象徴的なレベルの物体を識別できるようになった。 別の解決策は、知覚的非象徴的および概念的象徴的レベルの両方でロボットに教えることである。 本研究は,ロボットの外科的状況に着目した,ユーザ中心のハイブリッド学習パラダイムのコンセプトを提案する。
  論文  参考訳（メタデータ） (2023-07-07T21:58:28Z)
• Exploring the effects of robotic design on learning and neural control [0.0]
  論文は神経制御装置ではなく ロボット体の開発に焦点を当てています 私は、マルチタスク設定でニューラルネットワークが直面する現在の落とし穴の多くを克服できるように、ロボットを設計できることを発見しました。
  論文  参考訳（メタデータ） (2023-06-06T15:17:34Z)
• DayDreamer: World Models for Physical Robot Learning [142.11031132529524]
  深層強化学習はロボット学習の一般的なアプローチであるが、学習するには大量の試行錯誤が必要となる。 ロボット学習の多くの進歩はシミュレータに依存している。 本稿では,Dreamerを4つのロボットに適用し,シミュレータを使わずに,オンラインおよび実世界で直接学習する。
  論文  参考訳（メタデータ） (2022-06-28T17:44:48Z)
• Lifelong Robotic Reinforcement Learning by Retaining Experiences [61.79346922421323]
  多くのマルチタスク強化学習は、ロボットが常にすべてのタスクからデータを収集できると仮定している。 本研究では,物理ロボットシステムの実用的制約を動機として,現実的なマルチタスクRL問題について検討する。 我々は、ロボットのスキルセットを累積的に成長させるために、過去のタスクで学んだデータとポリシーを効果的に活用するアプローチを導出する。
  論文  参考訳（メタデータ） (2021-09-19T18:00:51Z)
• Neuroscience-inspired perception-action in robotics: applying active inference for state estimation, control and self-perception [2.1067139116005595]
  神経科学の発見が、ロボット工学における現在の推定と制御アルゴリズムを改善する機会をいかに開放するかについて議論する。 本稿では,実体プラットフォーム上でのこのような計算モデルの開発から得られた実験と教訓を要約する。
  論文  参考訳（メタデータ） (2021-05-10T10:59:38Z)
• Continual Learning of Visual Concepts for Robots through Limited Supervision [9.89901717499058]
  私の研究は、動的に見えない環境で継続的に学習するロボットの開発に焦点を当てています。 私は、ベンチマークデータセットで最新の結果を生成する機械学習モデルを開発します。
  論文  参考訳（メタデータ） (2021-01-26T01:26:07Z)
• Learning Locomotion Skills in Evolvable Robots [10.167123492952694]
  本稿では,任意の形状のモジュール型ロボットが目標に向かって歩いたり,移動した場合にこの目標に従うことを学習できるようにするための,コントローラアーキテクチャと汎用学習手法を提案する。 我々のアプローチは、現実世界の3つのシナリオにおいて、クモ、ヤモリ、そしてその子孫の3つのロボットに対して検証されている。
  論文  参考訳（メタデータ） (2020-10-19T14:01:50Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。