Fugu-MT 論文翻訳(概要): SEDRo: A Simulated Environment for Developmental Robotics

論文の概要: SEDRo: A Simulated Environment for Developmental Robotics

arxiv url: http://arxiv.org/abs/2009.01810v1
Date: Thu, 3 Sep 2020 17:16:54 GMT
ステータス: 処理完了
システム内更新日: 2022-10-22 07:33:21.060622
Title: SEDRo: A Simulated Environment for Developmental Robotics
Title（参考訳）: sedro: 開発ロボティクスのためのシミュレーション環境
Authors: Aishwarya Pothula, Md Ashaduzzaman Rubel Mondol, Sanath Narasimhan, Sm Mazharul Islam, Deokgun Park
Abstract要約: 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。
参考スコア（独自算出の注目度）: 1.1859560818924901
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Even with impressive advances in application-specific models, we still lack knowledge about how to build a model that can learn in a human-like way and do multiple tasks. To learn in a human-like way, we need to provide a diverse experience that is comparable to humans. In this paper, we introduce our ongoing effort to build a simulated environment for developmental robotics (SEDRo). SEDRo provides diverse human experiences ranging from those of a fetus to a 12th-month-old. A series of simulated tests based on developmental psychology will be used to evaluate the progress of a learning model. We anticipate SEDRo to lower the cost of entry and facilitate research in the developmental robotics community.
Abstract（参考訳）: アプリケーション固有のモデルに目覚ましい進歩があったとしても、人間のような方法で学習し、複数のタスクをこなせるモデルを構築する方法については、まだ知識がありません。人間のような方法で学ぶためには、人間に匹敵する多様な体験を提供する必要がある。本稿では,開発ロボティクス(SEDRo)のシミュレーション環境を構築するための取り組みについて紹介する。 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は、学習モデルの進捗を評価するために使用される。我々は、SEDRoの参入コストを下げ、開発ロボティクスコミュニティにおける研究を促進することを期待する。

関連論文リスト

Robot Learning with Sensorimotor Pre-training [98.7755895548928]
ロボット工学のための自己教師型感覚運動器事前学習手法を提案する。我々のモデルはRTTと呼ばれ、センサモレータトークンのシーケンスで動作するトランスフォーマーである。感覚運動の事前学習は、ゼロからトレーニングを一貫して上回り、優れたスケーリング特性を持ち、さまざまなタスク、環境、ロボット間での移動を可能にしている。
論文参考訳（メタデータ） (2023-06-16T17:58:10Z)
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)
Self-Improving Robots: End-to-End Autonomous Visuomotor Reinforcement Learning [54.636562516974884]
模倣と強化学習において、人間の監督コストは、ロボットが訓練できるデータの量を制限する。本研究では,自己改善型ロボットシステムのための新しい設計手法であるMEDAL++を提案する。ロボットは、タスクの実施と解除の両方を学ぶことで、自律的にタスクを練習し、同時にデモンストレーションから報酬関数を推論する。
論文参考訳（メタデータ） (2023-03-02T18:51:38Z)
From Modelling to Understanding Children's Behaviour in the Context of Robotics and Social Artificial Intelligence [3.6017760602154576]
このワークショップは、開発科学、人工知能、社会ロボティクスなど、様々な分野の共通基盤を促進することを目的としている。子ども向けユーザモデリングと適応システムの分野における最先端の研究について論じる。
論文参考訳（メタデータ） (2022-10-20T10:58:42Z)
Modeling Human Behavior Part I -- Learning and Belief Approaches [0.0]
探索とフィードバックを通じて行動のモデルや方針を学ぶ手法に焦点を当てる。次世代の自律的適応システムは、主にAIエージェントと人間がチームとして一緒に働く。
論文参考訳（メタデータ） (2022-05-13T07:33:49Z)
Reasoning about Counterfactuals to Improve Human Inverse Reinforcement Learning [5.072077366588174]
人間は自然に、観察可能な行動について推論することで、他のエージェントの信念や欲求を推測する。我々は,ロボットの意思決定に対する学習者の現在の理解を,人間のIRLモデルに組み込むことを提案する。また,人間が見えない環境下でのロボットの動作を予測しにくいことを推定するための新しい尺度を提案する。
論文参考訳（メタデータ） (2022-03-03T17:06:37Z)
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)
Hierarchical Affordance Discovery using Intrinsic Motivation [69.9674326582747]
本研究では,移動ロボットの価格学習を支援するために,本質的なモチベーションを用いたアルゴリズムを提案する。このアルゴリズムは、事前にプログラムされたアクションなしで、相互に関連のある価格を自律的に発見し、学習し、適応することができる。一度学習すると、これらの余裕はアルゴリズムによって様々な困難を伴うタスクを実行するために一連のアクションを計画するために使われる。
論文参考訳（メタデータ） (2020-09-23T07:18:21Z)
An Open-World Simulated Environment for Developmental Robotics [1.2955718209635252]
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。
論文参考訳（メタデータ） (2020-07-18T01:16:13Z)
RoboTHOR: An Open Simulation-to-Real Embodied AI Platform [56.50243383294621]
インタラクティブで具体化された視覚AIの研究を民主化するためにRoboTHORを導入する。シミュレーションで訓練されたモデルの性能は,シミュレーションと慎重に構築された物理アナログの両方で試験される場合,大きな差があることが示される。
論文参考訳（メタデータ） (2020-04-14T20:52:49Z)
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。