論文の概要: Simulator as a Tool for the Future Maritime Education and Research: A Discussion

• arxiv url: http://arxiv.org/abs/2007.14732v1
• Date: Wed, 29 Jul 2020 10:41:44 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-07 20:42:33.394581
• Title: Simulator as a Tool for the Future Maritime Education and Research: A Discussion
• Title（参考訳）: 将来的な海洋教育・研究のためのツールとしてのシミュレーター : 議論
• Authors: Yushan Pan, Arnfinn Oksavik and Hans Petter Hildre
• Abstract要約: 本稿では,共同設計が海洋分野における将来的なスキルの予測にどのように役立つのかを考察する。 我々は、すべての参加者が自身の経験を共有できるように、協調的で革新的な研究活動に取り組みます。 経験の変化とともに、サポート対象のシミュレーションとシミュレータ技術は、持続可能な成長を実現するように設計されていると断言する。
• 参考スコア（独自算出の注目度）: 0.5801044612920815
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A few studies in the maritime domain utilize co-design in ship design workshops, however, none of them addresses a full picture of how co-design can make changes in simulation-based maritime education. In this paper, we reflect how co-design can help to foresight future skills in the maritime domain, especially on how to use simulators to support increasing competence of seafarers and in turn to redesign simulators to support maritime education. Thus, we address collaborative and innovative research activities, to enable all participants (seafarers, trainers, technicians, authorities etc.) to share their experiences so a joint recognition of needed future skills can be reached. Along with the ex-change of experiences, we assert that the supported simulations and simulator techniques could be designed to achieve sustainable growth for all participants.
• Abstract（参考訳）: 海上領域におけるいくつかの研究は、船の設計ワークショップで共同設計を利用しているが、シミュレーションに基づく海洋教育において、共同設計がどのように変化をもたらすかの全体像には言及していない。 本稿では,共同設計が海事領域の今後の技術,特に船員の能力向上を支援するシミュレータの活用,および海事教育を支援するシミュレータの再設計にどのように役立つかを考察する。 そこで我々は,すべての参加者(家族,トレーナー,技術者,当局など)が,将来に必要なスキルを共同で認識できるように,協力的かつ革新的な研究活動に取り組む。 経験の変化とともに、サポート対象のシミュレーションとシミュレータ技術は、すべての参加者の持続可能な成長を達成するために設計できると断言した。

関連論文リスト

• A transformer-based deep reinforcement learning approach to spatial navigation in a partially observable Morris Water Maze [0.0]
  この研究は、モリス水迷路の2次元バージョンをナビゲートするために、深い強化学習を用いたトランスフォーマーベースのアーキテクチャを適用した。 提案アーキテクチャにより,エージェントが空間ナビゲーション戦略を効率的に学習できることを実証する。 この研究は、生物エージェントに類似した振る舞いを持つ人工エージェントの今後の研究への道のりを示唆している。
  論文  参考訳（メタデータ） (2024-10-01T13:22:56Z)
• Gaussian Splatting to Real World Flight Navigation Transfer with Liquid Networks [93.38375271826202]
  本研究では,シミュレート・トゥ・リアルな視覚四重項ナビゲーションタスクにおける分布シフトに対する一般化とロバスト性を改善する手法を提案する。 まず,擬似飛行力学とガウススプラッティングを統合してシミュレータを構築し,その後,液状ニューラルネットワークを用いてロバストなナビゲーションポリシーを訓練する。 このようにして、我々は3次元ガウススプラッティングラディアンス場レンダリング、専門家による実演訓練データのプログラミング、およびLiquid Networkのタスク理解能力の進歩を組み合わせたフルスタックの模倣学習プロトコルを得る。
  論文  参考訳（メタデータ） (2024-06-21T13:48:37Z)
• AI Agents and Education: Simulated Practice at Scale [0.0]
  本稿では,適応型教育シミュレーション作成における生成AIの可能性について検討する。 複数のAIエージェントのシステムを活用することで、シミュレーションはパーソナライズされた学習体験を提供することができる。 我々は、AIの教育提供能力を示すベンチャーキャピタルピッチシミュレータであるPitchQuestのプロトタイプについて説明する。
  論文  参考訳（メタデータ） (2024-06-20T05:26:04Z)
• DrEureka: Language Model Guided Sim-To-Real Transfer [64.14314476811806]
  シミュレーションで学んだ政策を現実世界に伝達することは、ロボットのスキルを大規模に獲得する上で有望な戦略である。 本稿では,Large Language Models (LLMs) を用いてシム・トゥ・リアル設計の自動化と高速化を行う。 本手法では,ヨガボールの上を歩行する四足歩行や四足歩行など,新しいロボットタスクを解くことができる。
  論文  参考訳（メタデータ） (2024-06-04T04:53:05Z)
• Aquatic Navigation: A Challenging Benchmark for Deep Reinforcement Learning [53.3760591018817]
  ゲームエンジンとDeep Reinforcement Learningの統合の最近の進歩を利用して,水上ナビゲーションのための新しいベンチマーク環境を提案する。 具体的には、最も広く受け入れられているアルゴリズムの一つであるPPOに着目し、先進的なトレーニング手法を提案する。 実験により,これらの成分をうまく組み合わせることで,有望な結果が得られることが示された。
  論文  参考訳（メタデータ） (2024-05-30T23:20:23Z)
• Reinforcement-learning robotic sailboats: simulator and preliminary results [0.37918614538294315]
  この研究は、無人表面車両(USV)デジタルツインを用いた実実験を再現する仮想海洋環境の開発における主な課題と課題に焦点を当てる。 本稿では、自律的なナビゲーションと制御のために強化学習(RL)エージェントを利用することを考慮し、仮想世界を構築するための重要な機能を紹介する。
  論文  参考訳（メタデータ） (2024-01-16T09:04:05Z)
• Waymax: An Accelerated, Data-Driven Simulator for Large-Scale Autonomous Driving Research [76.93956925360638]
  Waymaxは、マルチエージェントシーンにおける自動運転のための新しいデータ駆動シミュレータである。 TPU/GPUなどのハードウェアアクセラレータで完全に動作し、トレーニング用のグラフ内シミュレーションをサポートする。 我々は、一般的な模倣と強化学習アルゴリズムのスイートをベンチマークし、異なる設計決定に関するアブレーション研究を行った。
  論文  参考訳（メタデータ） (2023-10-12T20:49:15Z)
• Reward Function Design for Crowd Simulation via Reinforcement Learning [12.449513548800466]
  強化学習は仮想的な群集をシミュレートする大きな可能性を示しているが、報酬関数の設計は効率的かつ効率的な結果を達成するために重要である。 本研究では, 特定の報酬関数の妥当性を解析的特性に応じて理論的に把握し, 様々なシナリオを用いて実証的に評価する。 本研究は,新しい群集シミュレーション技術の発展に寄与し,人間のようなナビゲーションの幅広い研究に寄与する。
  論文  参考訳（メタデータ） (2023-09-22T12:55:30Z)
• Reusability Challenges of Scientific Workflows: A Case Study for Galaxy [56.78572674167333]
  本研究では,既存の再使用可能性について検討し,いくつかの課題を明らかにした。 再利用性防止の課題には、ツールのアップグレード、ツールのサポート、設計上の欠陥、不完全性、ワークフローのロードの失敗などが含まれる。
  論文  参考訳（メタデータ） (2023-09-13T20:17:43Z)
• Navigating to Objects in the Real World [76.1517654037993]
  本稿では,古典的,モジュール的,エンド・ツー・エンドの学習手法と比較した,意味的視覚ナビゲーション手法に関する大規模な実証的研究について述べる。 モジュラー学習は実世界ではうまく機能し、90%の成功率に達しています。 対照的に、エンド・ツー・エンドの学習は、シミュレーションと現実の間の画像領域の差が大きいため、77%のシミュレーションから23%の実際の成功率へと低下する。
  論文  参考訳（メタデータ） (2022-12-02T01:10:47Z)
• Image-based Navigation in Real-World Environments via Multiple Mid-level Representations: Fusion Models, Benchmark and Efficient Evaluation [13.207579081178716]
  近年の学習に基づくナビゲーション手法では,エージェントのシーン理解とナビゲーション能力が同時に実現されている。 残念ながら、シミュレーターがナビゲーションポリシーを訓練する効率的なツールであるとしても、現実の世界に移動すると、結果のモデルは失敗することが多い。 可能な解決策の1つは、シーンの重要なドメイン不変性を含む中間レベルの視覚表現を備えたナビゲーションモデルを提供することである。
  論文  参考訳（メタデータ） (2022-02-02T15:00:44Z)

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。