Fugu-MT 論文翻訳(概要): Autonomous learning and chaining of motor primitives using the Free Energy Principle

論文の概要: Autonomous learning and chaining of motor primitives using the Free Energy Principle

arxiv url: http://arxiv.org/abs/2005.05151v1
Date: Mon, 11 May 2020 14:43:55 GMT
ステータス: 処理完了
システム内更新日: 2022-12-04 19:17:56.438100
Title: Autonomous learning and chaining of motor primitives using the Free Energy Principle
Title（参考訳）: 自由エネルギー原理を用いたモータプリミティブの自律学習と連鎖
Authors: Louis Annabi (ETIS), Alexandre Pitti (ETIS), Mathias Quoy (ETIS)
Abstract要約: 運動プリミティブ学習の課題に対して,自由エネルギー原理を適用した。エコー状態ネットワークは、運動軌道を生成するために使用される。このネットワークには知覚モジュールと,そのダイナミクスに影響を与えるコントローラが組み合わさっている。
参考スコア（独自算出の注目度）: 68.8204255655161
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this article, we apply the Free-Energy Principle to the question of motor primitives learning. An echo-state network is used to generate motor trajectories. We combine this network with a perception module and a controller that can influence its dynamics. This new compound network permits the autonomous learning of a repertoire of motor trajectories. To evaluate the repertoires built with our method, we exploit them in a handwriting task where primitives are chained to produce long-range sequences.
Abstract（参考訳）: 本稿では,運動プリミティブ学習の課題に対して,自由エネルギー原理を適用した。エコーステートネットワークは、モータートラジェクタを生成するために使用される。このネットワークには知覚モジュールと,そのダイナミクスに影響を与えるコントローラが組み合わさっている。この新しい複合ネットワークは、運動路のレパートリーの自律学習を可能にする。提案手法で構築したレパートリーを評価するために,プリミティブをチェーンして長距離シーケンスを生成する手書き作業に利用した。

関連論文リスト

Exploring Latent Pathways: Enhancing the Interpretability of Autonomous Driving with a Variational Autoencoder [79.70947339175572]
バイオインスパイアされたニューラルサーキットポリシーモデルが革新的な制御モジュールとして登場した。我々は、変分オートエンコーダとニューラルネットワークポリシーコントローラを統合することで、飛躍的に前進する。本研究は,変分オートエンコーダへのアーキテクチャシフトに加えて,自動潜時摂動ツールを導入する。
論文参考訳（メタデータ） (2024-04-02T09:05:47Z)
The Physics of Learning: From Autoencoders to Truly Autonomous Learning Machines [0.0]
我々は,教師なし学習装置が外部エネルギー源から完全に独立することを提案する。学習をエネルギー探索のプロセスとして再認識することで、学習システムにおいて真の自律性を達成する可能性を強調する。
論文参考訳（メタデータ） (2024-02-12T01:36:26Z)
Foundational Policy Acquisition via Multitask Learning for Motor Skill Generation [0.9668407688201356]
本稿では,新しい運動能力を生み出すための基本方針獲得のためのマルチタスク強化学習アルゴリズムを提案する。人間の感覚運動適応機構に触発されて,新しい運動技術を学ぶのによく用いられるエンコーダ・デコーダネットワークを訓練することを目指す。
論文参考訳（メタデータ） (2023-08-31T05:26:14Z)
Decentralized Motor Skill Learning for Complex Robotic Systems [5.669790037378093]
本稿では,分散モータスキル(DEMOS)学習アルゴリズムを提案する。本手法は, 性能を犠牲にすることなく, 政策の堅牢性と一般化を向上する。四足歩行ロボットとヒューマノイドロボットの実験は、学習方針が局所的な運動障害に対して堅牢であり、新しいタスクに移行できることを示した。
論文参考訳（メタデータ） (2023-06-30T05:55:34Z)
Simple initialization and parametrization of sinusoidal networks via their kernel bandwidth [92.25666446274188]
従来の活性化機能を持つネットワークの代替として、活性化を伴う正弦波ニューラルネットワークが提案されている。まず,このような正弦波ニューラルネットワークの簡易版を提案する。次に、ニューラルタンジェントカーネルの観点からこれらのネットワークの挙動を分析し、そのカーネルが調整可能な帯域幅を持つ低域フィルタを近似することを実証する。
論文参考訳（メタデータ） (2022-11-26T07:41:48Z)
Bidirectional Interaction between Visual and Motor Generative Models using Predictive Coding and Active Inference [68.8204255655161]
本稿では,感覚予測のための生成モデルと,運動軌跡の生成モデルからなるニューラルアーキテクチャを提案する。我々は,知覚予測のシーケンスが学習,制御,オンライン適応を導くレールとしてどのように機能するかを強調する。
論文参考訳（メタデータ） (2021-04-19T09:41:31Z)
Measuring and modeling the motor system with machine learning [117.44028458220427]
モーターシステムの理解における機械学習の有用性は、データの収集、測定、分析の方法に革命をもたらすことを約束している。本稿では, ポーズ推定, 運動解析, 次元減少, 閉ループフィードバックから, ニューラル相関の理解, 機能停止まで, 機械学習の利用の増大について論じる。
論文参考訳（メタデータ） (2021-03-22T12:42:16Z)
Modeling Electrical Motor Dynamics using Encoder-Decoder with Recurrent Skip Connection [26.49151897094165]
データ駆動型アプローチによる電動機の動力学モデリングの実現可能性について検討する。繰り返しスキップ接続の利点を生かした新しいエンコーダデコーダアーキテクチャを提案する。本稿では,信号複雑性が時間的ダイナミクスをモデル化する手法に与える影響を示す。
論文参考訳（メタデータ） (2020-10-08T15:10:04Z)
Training End-to-End Analog Neural Networks with Equilibrium Propagation [64.0476282000118]
本稿では,勾配降下による終端から終端までのアナログニューラルネットワークの学習法を提案する。数学的には、アナログニューラルネットワークのクラス(非線形抵抗性ネットワークと呼ばれる)がエネルギーベースモデルであることが示される。我々の研究は、オンチップ学習をサポートする、超高速でコンパクトで低消費電力のニューラルネットワークの新世代の開発を導くことができる。
論文参考訳（メタデータ） (2020-06-02T23:38:35Z)

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。