論文の概要: ALLSTEPS: Curriculum-driven Learning of Stepping Stone Skills

• arxiv url: http://arxiv.org/abs/2005.04323v2
• Date: Sun, 30 Aug 2020 00:45:00 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-05 07:08:45.096811
• Title: ALLSTEPS: Curriculum-driven Learning of Stepping Stone Skills
• Title（参考訳）: ALLSTEPS: ステッピングストーンスキルのカリキュラム駆動学習
• Authors: Zhaoming Xie, Hung Yu Ling, Nam Hee Kim, Michiel van de Panne
• Abstract要約: ステップストーンのロコモーションに対する良い解決策を見つけることは、アニメーションとロボティクスにとって長年、そして基本的な課題である。 我々は、強化学習を用いたこの難しい問題に対する完全な学習ソリューションを提案する。 シミュレーションされた人間キャラクタ, 現実的な二足歩行ロボットシミュレーション, モンスターキャラクタに対して, それぞれのケースにおいて, 頑健で可塑性な動きが生じる。
• 参考スコア（独自算出の注目度）: 8.406171678292964
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Humans are highly adept at walking in environments with foot placement constraints, including stepping-stone scenarios where the footstep locations are fully constrained. Finding good solutions to stepping-stone locomotion is a longstanding and fundamental challenge for animation and robotics. We present fully learned solutions to this difficult problem using reinforcement learning. We demonstrate the importance of a curriculum for efficient learning and evaluate four possible curriculum choices compared to a non-curriculum baseline. Results are presented for a simulated human character, a realistic bipedal robot simulation and a monster character, in each case producing robust, plausible motions for challenging stepping stone sequences and terrains.
• Abstract（参考訳）: 人間は足の配置の制約のある環境の中を歩くことに長けており、足場が完全に制約されているステップストーンのシナリオも含んでいる。 ステップストーンのロコモーションに対する良い解決策を見つけることは、アニメーションとロボティクスにとって長年、そして基本的な課題である。 強化学習を用いて,この問題に対する完全学習解を提案する。 効率的な学習のためのカリキュラムの重要性を示し、非カリキュラムベースラインと比較して4つの可能なカリキュラム選択を評価する。 シミュレーションされた人間キャラクター, 現実的な二足歩行ロボットシミュレーション, モンスターキャラクタに対して, ステップストーンシーケンスや地形に挑戦するために, 頑丈な, もっともらしい動きを生成する。

関連論文リスト

• Exciting Action: Investigating Efficient Exploration for Learning Musculoskeletal Humanoid Locomotion [16.63152794060493]
  敵の模倣学習が鍵となる問題を分析し、解決策を提供することでこの問題に対処できることを実証する。 16自由度と92自由度を持つ擬似ヒューマノイドモデルを用いて歩行歩行と歩行歩行を学習し,その方法論を検証した。
  論文  参考訳（メタデータ） (2024-07-16T12:27:55Z)
• Learning Robust, Agile, Natural Legged Locomotion Skills in the Wild [17.336553501547282]
  我々は、挑戦的な地形上で頑丈で、アジャイルで、自然な足の運動スキルを学ぶための新しいフレームワークを提案する。 四足歩行ロボットのシミュレーションと実世界における実証実験の結果,提案アルゴリズムは難易度の高い地形を頑健に横断できることを示した。
  論文  参考訳（メタデータ） (2023-04-21T11:09:23Z)
• Learning Human-to-Robot Handovers from Point Clouds [63.18127198174958]
  視覚に基づく人間ロボットハンドオーバの制御ポリシーを学習する最初のフレームワークを提案する。 シミュレーションベンチマーク,sim-to-sim転送,sim-to-real転送において,ベースラインよりも大きな性能向上を示した。
  論文  参考訳（メタデータ） (2023-03-30T17:58:36Z)
• A Walk in the Park: Learning to Walk in 20 Minutes With Model-Free Reinforcement Learning [86.06110576808824]
  深層強化学習は、制御されていない環境での学習ポリシーに対する有望なアプローチである。 機械学習アルゴリズムとライブラリの最近の進歩と、慎重に調整されたロボットコントローラを組み合わせることで、現実世界では4分で学習できる。
  論文  参考訳（メタデータ） (2022-08-16T17:37:36Z)
• What Matters in Learning from Offline Human Demonstrations for Robot Manipulation [64.43440450794495]
  ロボット操作のための6つのオフライン学習アルゴリズムについて広範な研究を行う。 我々の研究は、オフラインの人間のデータから学習する際の最も重要な課題を分析します。 人間のデータセットから学ぶ機会を強調します。
  論文  参考訳（メタデータ） (2021-08-06T20:48:30Z)
• Reactive Long Horizon Task Execution via Visual Skill and Precondition Models [59.76233967614774]
  シミュレーションで学習したモデルを用いて、単純なタスクプランナの構成要素をグラウンド化することで、見知らぬロボットタスクを達成できるシミュレート・トゥ・リアル・トレーニングのアプローチについて述べる。 シミュレーションでは91.6%から98%,実世界の成功率は10%から80%に増加した。
  論文  参考訳（メタデータ） (2020-11-17T15:24:01Z)
• Guided Curriculum Learning for Walking Over Complex Terrain [2.4192504570921622]
  本稿では,二足歩行のための深層強化学習政策を学習するための3段階カリキュラムを提案する。 シミュレーション実験において,本手法は5種類の地形に対して,歩行方針の学習に有効であることを示す。
  論文  参考訳（メタデータ） (2020-10-08T09:03:43Z)
• Learning Agile Robotic Locomotion Skills by Imitating Animals [72.36395376558984]
  動物の多様でアジャイルな運動スキルを再現することは、ロボット工学における長年の課題である。 そこで本研究では,現実世界の動物を模倣することで,足のロボットがアジャイルな運動能力を学ぶことができる模倣学習システムを提案する。
  論文  参考訳（メタデータ） (2020-04-02T02:56:16Z)
• SAPIEN: A SimulAted Part-based Interactive ENvironment [77.4739790629284]
  SAPIENは現実的で物理に富んだシミュレートされた環境であり、音声オブジェクトのための大規模なセットをホストしている。 部品検出と動作特性認識のための最先端の視覚アルゴリズムの評価を行い,ロボットインタラクションタスクの実証を行った。
  論文  参考訳（メタデータ） (2020-03-19T00:11:34Z)

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。