Fugu-MT 論文翻訳(概要): An Open-World Simulated Environment for Developmental Robotics

論文の概要: An Open-World Simulated Environment for Developmental Robotics

arxiv url: http://arxiv.org/abs/2007.09300v1
Date: Sat, 18 Jul 2020 01:16:13 GMT
ステータス: 処理完了
システム内更新日: 2022-11-09 05:34:38.338619
Title: An Open-World Simulated Environment for Developmental Robotics
Title（参考訳）: 開発ロボティクスのためのオープンワールドシミュレーション環境
Authors: SM Mazharul Islam, Md Ashaduzzaman Rubel Mondol, Aishwarya Pothula, Deokgun Park
Abstract要約: SEDRoは、学習エージェントが、人間の幼児が胎児の段階から最大12ヶ月まで通る同様の経験をすることができる。発達心理学に基づく一連のシミュレーションテストを用いて、学習モデルの進捗状況を評価する。
参考スコア（独自算出の注目度）: 1.2955718209635252
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: As the current trend of artificial intelligence is shifting towards self-supervised learning, conventional norms such as highly curated domain-specific data, application-specific learning models, extrinsic reward based learning policies etc. might not provide with the suitable ground for such developments. In this paper, we introduce SEDRo, a Simulated Environment for Developmental Robotics which allows a learning agent to have similar experiences that a human infant goes through from the fetus stage up to 12 months. A series of simulated tests based on developmental psychology will be used to evaluate the progress of a learning model.
Abstract（参考訳）: 人工知能の現在の傾向は、自己指導型学習へと移行しつつあるため、高度にキュレーションされたドメイン固有データ、アプリケーション固有学習モデル、外部報酬に基づく学習ポリシーといった従来の規範は、そのような発展に適した基盤を提供しないかもしれない。本稿では,発達ロボティクスのシミュレーション環境であるsedroについて紹介する。この環境では,学習エージェントが胎児期から12ヶ月までの体験を体験できる。発達心理学に基づく一連のシミュレーションテストは、学習モデルの進捗を評価するために使用される。

関連論文リスト

Deep Generative Models in Robotics: A Survey on Learning from Multimodal Demonstrations [52.11801730860999]
近年、ロボット学習コミュニティは、大規模なデータセットの複雑さを捉えるために、深層生成モデルを使うことへの関心が高まっている。本稿では,エネルギーベースモデル,拡散モデル,アクションバリューマップ,生成的敵ネットワークなど,コミュニティが探求してきたさまざまなモデルについて述べる。また,情報生成から軌道生成,コスト学習に至るまで,深層生成モデルを用いた様々なアプリケーションについて述べる。
論文参考訳（メタデータ） (2024-08-08T11:34:31Z)
Neural Lineage [56.34149480207817]
本稿では,親子間の系統関係の発見を目的としたニューラルライン検出という新しいタスクを提案する。実用上,ニューラルネットワーク表現類似度指標に微調整プロセスの近似を組み込んだ学習自由アプローチを導入する。精度を追求するために,エンコーダと変圧器検出器からなる学習系系統検出装置を導入する。
論文参考訳（メタデータ） (2024-06-17T01:11:53Z)
RoboGen: Towards Unleashing Infinite Data for Automated Robot Learning via Generative Simulation [68.70755196744533]
RoboGenはジェネレーティブなロボットエージェントで、ジェネレーティブなシミュレーションを通じて、さまざまなロボットのスキルを自動的に学習する。我々の研究は、大規模モデルに埋め込まれた広範囲で多目的な知識を抽出し、それらをロボット工学の分野に移す試みである。
論文参考訳（メタデータ） (2023-11-02T17:59:21Z)
Robot Fine-Tuning Made Easy: Pre-Training Rewards and Policies for Autonomous Real-World Reinforcement Learning [58.3994826169858]
ロボット強化学習のためのリセット不要な微調整システムであるRoboFuMEを紹介する。我々の洞察は、オフラインの強化学習技術を利用して、事前訓練されたポリシーの効率的なオンライン微調整を確保することである。提案手法では,既存のロボットデータセットからのデータを組み込んで,目標タスクを3時間以内の自律現実体験で改善することができる。
論文参考訳（メタデータ） (2023-10-23T17:50:08Z)
Stochastic Gradient Descent Captures How Children Learn About Physics [0.0]
本研究では,子どもの発達軌跡を人工システムの学習軌跡と比較する。モデルの学習軌跡は, 子どもの発達軌跡を捉え, 開発を最適化として支援することを見出した。
論文参考訳（メタデータ） (2022-09-25T22:56:14Z)
Continual Predictive Learning from Videos [100.27176974654559]
本稿では,ビデオ予測の文脈において,新たな連続学習問題について検討する。本稿では,連続予測学習(Continuousal predictive Learning, CPL)アプローチを提案する。我々はRoboNetとKTHに基づく2つの新しいベンチマークを構築し、異なるタスクが異なる物理ロボット環境や人間の行動に対応するようにした。
論文参考訳（メタデータ） (2022-04-12T08:32:26Z)
Continual Developmental Neurosimulation Using Embodied Computational Agents [0.0]
神経系の形態形成, 発達学習, 可塑性の関連現象のブリッジングにおける発達軌跡の役割を考察することができる。我々のアプローチは発達的実施と密に統合されており、発達的ブレイテンベルク車両(dBV)と呼ばれる種類のエージェントを用いて実装することができる。 dBVは、体、センサー、エフェクター、神経システムなど、エージェントベースのシステムへと変貌する、未定義の構造の集合として、自らの生活を始める。
論文参考訳（メタデータ） (2021-03-07T07:22:49Z)
Modeling Social Interaction for Baby in Simulated Environment for Developmental Robotics [1.9576223566777229]
開発ロボティクス(SEDRo)のシミュレーション環境について紹介する。 SEDRoは、人間の赤ちゃんが出生前の胎児期から産後12ヶ月の間に経験する、赤ちゃんエージェントの環境をシミュレートする。エージェントの異なる発達マイルストーンを評価するために、SEDRoは発達心理学からいくつかの実験を取り入れている。
論文参考訳（メタデータ） (2020-12-29T16:42:50Z)
SEDRo: A Simulated Environment for Developmental Robotics [1.1859560818924901]
開発ロボティクス(SEDRo)のシミュレーション環境構築への取り組みを紹介する。 SEDRoは胎児から12ヶ月までの多様な人間の体験を提供する。発達心理学に基づく一連のシミュレーションテストを用いて、学習モデルの進捗状況を評価する。
論文参考訳（メタデータ） (2020-09-03T17:16:54Z)
A Developmental Neuro-Robotics Approach for Boosting the Recognition of Handwritten Digits [91.3755431537592]
近年のエビデンスでは、子どもの体現戦略をシミュレーションすることで、マシンインテリジェンスも改善できることが示されている。本稿では,発達神経ロボティクスの文脈における畳み込みニューラルネットワークモデルへの具体的戦略の適用について検討する。
論文参考訳（メタデータ） (2020-03-23T14:55:00Z)

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。