論文の概要: Behavioral Repertoires for Soft Tensegrity Robots
- arxiv url: http://arxiv.org/abs/2009.10864v2
- Date: Wed, 25 Nov 2020 18:51:23 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-15 16:28:16.252264
- Title: Behavioral Repertoires for Soft Tensegrity Robots
- Title(参考訳): ソフトテンセグリティロボットの行動レパートリー
- Authors: Kyle Doney, Aikaterini Petridou, Jacob Karaul, Ali Khan, Geoffrey Liu
and John Rieffel
- Abstract要約: モバイルソフトロボットは、都市探索や救助から惑星探査まで幅広い分野に魅力的な応用を提供している。
ソフト・ロボット・コントロールの重要な課題は、ソフト・マテリアルが課す非線形力学が、しばしば非直感的でモデル化や予測が難しい複雑な振る舞いをもたらすことである。
本研究では,ロボット力学の事前知識がなく,人間の介入が最小限である行動レパートリーを自律的に生成する物理ソフトな緊張ロボット上で,モデルフリーで動作する品質多様性アルゴリズムを用いる。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Mobile soft robots offer compelling applications in fields ranging from urban
search and rescue to planetary exploration. A critical challenge of soft
robotic control is that the nonlinear dynamics imposed by soft materials often
result in complex behaviors that are counterintuitive and hard to model or
predict. As a consequence, most behaviors for mobile soft robots are discovered
through empirical trial and error and hand-tuning. A second challenge is that
soft materials are difficult to simulate with high fidelity -- leading to a
significant reality gap when trying to discover or optimize new behaviors. In
this work we employ a Quality Diversity Algorithm running model-free on a
physical soft tensegrity robot that autonomously generates a behavioral
repertoire with no a priori knowledge of the robot dynamics, and minimal human
intervention. The resulting behavior repertoire displays a diversity of unique
locomotive gaits useful for a variety of tasks. These results help provide a
road map for increasing the behavioral capabilities of mobile soft robots
through real-world automation.
- Abstract(参考訳): モバイルソフトロボットは、都市探索や救助から惑星探査まで幅広い分野に魅力的な応用を提供している。
ソフトロボット制御の批判的課題は、ソフトマテリアルによって課される非線形動力学がしばしば直観的ではなく、モデル化や予測が難しい複雑な行動を引き起こすことである。
その結果、移動ソフトロボットのほとんどの動作は、経験的な試行錯誤と手作業によって発見される。
2つめの課題は、ソフト素材は高い忠実度でシミュレートするのが困難であることです。
本研究では,ロボット力学の事前知識がなく,人間の介入が最小限である行動レパートリーを自律的に生成する物理ソフトな緊張ロボット上で,モデルフリーで動作する品質多様性アルゴリズムを用いる。
結果として得られた行動レパートリーは、様々なタスクに有用なユニークな機関車の歩行の多様性を示す。
これらの結果は、現実の自動化を通じて、移動ソフトロボットの行動能力を高めるためのロードマップを提供するのに役立つ。
関連論文リスト
- DiffuseBot: Breeding Soft Robots With Physics-Augmented Generative
Diffusion Models [102.13968267347553]
本稿では,様々なタスクにおいて優れたソフトロボット形態を生成する物理拡張拡散モデルであるDiffuseBotを提案する。
我々は、その能力とともに、シミュレーションされた、そして製造された様々なロボットを紹介します。
論文 参考訳(メタデータ) (2023-11-28T18:58:48Z) - Robustness for Free: Quality-Diversity Driven Discovery of Agile Soft
Robotic Gaits [0.7829600874436199]
地形変化に頑健な歩留まりのレパートリーを,品質多様性アルゴリズムがいかに生み出すかを示す。
このロバスト性は、単一の目的最適化アルゴリズムによって生成される歩留まりを大きく上回る。
論文 参考訳(メタデータ) (2023-11-02T14:00:11Z) - Automated Gait Generation For Walking, Soft Robotic Quadrupeds [6.005998680766498]
ソフトアクチュエータの非線形ダイナミクスと高次元入力空間のため,ソフトロボットの歩行生成は困難である。
本稿では, 自己生成型ソフトロボット歩行のためのサンプル効率, シミュレーションフリーの手法を提案する。
これはソフトロボットにおける完全に自律的な歩行生成の最初のデモンストレーションである。
論文 参考訳(メタデータ) (2023-09-30T21:31:30Z) - 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) - SoftZoo: A Soft Robot Co-design Benchmark For Locomotion In Diverse
Environments [111.91255476270526]
我々は,多様な環境下での移動を支援するソフトロボットの共同設計プラットフォームであるSoftZooを紹介する。
SoftZooは、平らな地面、砂漠、湿地、粘土、氷、雪、浅い水、海などの環境をシミュレートする機能など、自然にヒントを得た幅広い素材セットをサポートしている。
それは、高速な移動、アジャイルな回転、パスフォローなど、ソフトロボティクスに関連するさまざまなタスクを提供し、形態学と制御のための微分可能な設計表現を提供する。
論文 参考訳(メタデータ) (2023-03-16T17:59:50Z) - Domain Randomization for Robust, Affordable and Effective Closed-loop
Control of Soft Robots [10.977130974626668]
ソフトロボットは、コンタクトや適応性に対する本質的な安全性によって人気を集めている。
本稿では、ソフトロボットのRLポリシーを強化することにより、ドメインランダム化(DR)がこの問題を解決する方法を示す。
本稿では,変形可能なオブジェクトに対する動的パラメータの自動推論のための,従来の適応的領域ランダム化手法に対する新しいアルゴリズム拡張を提案する。
論文 参考訳(メタデータ) (2023-03-07T18:50:00Z) - Learning to Fold Real Garments with One Arm: A Case Study in Cloud-Based
Robotics Research [21.200764836237497]
物理ハードウェア上でのファブリック操作アルゴリズムのシステマティックなベンチマークを行う。
専門家の行動、キーポイント、報酬関数、動的動きをモデル化する4つの新しい学習ベースアルゴリズムを開発した。
データ収集、モデルトレーニング、およびポリシー評価のライフサイクル全体は、ロボットワークセルへの物理的アクセスなしに遠隔で実行される。
論文 参考訳(メタデータ) (2022-04-21T17:31:20Z) - Model Predictive Control for Fluid Human-to-Robot Handovers [50.72520769938633]
人間の快適さを考慮に入れた計画運動は、人間ロボットのハンドオーバプロセスの一部ではない。
本稿では,効率的なモデル予測制御フレームワークを用いてスムーズな動きを生成することを提案する。
ユーザ数名の多様なオブジェクトに対して,人間とロボットのハンドオーバ実験を行う。
論文 参考訳(メタデータ) (2022-03-31T23:08:20Z) - REvolveR: Continuous Evolutionary Models for Robot-to-robot Policy
Transfer [57.045140028275036]
本研究では,運動学や形態学など,異なるパラメータを持つ2つの異なるロボット間でポリシーを伝達する問題を考察する。
模倣学習手法を含む動作や状態遷移の分布を一致させることで、新しいポリシーを訓練する既存のアプローチは、最適な動作や/または状態分布が異なるロボットでミスマッチしているために失敗する。
本稿では,物理シミュレータに実装されたロボット政策伝達に連続的進化モデルを用いることで,$RevolveR$という新しい手法を提案する。
論文 参考訳(メタデータ) (2022-02-10T18:50:25Z) - Controlling the Sense of Agency in Dyadic Robot Interaction: An Active
Inference Approach [6.421670116083633]
変形型繰り返しニューラルネットワークモデルを用いて,ロボットのダイアディック模倣相互作用を検討する。
トレーニング中の自由エネルギーを最小化する複雑性項の制御が,ネットワークの動的特性をいかに決定するかを検討した。
論文 参考訳(メタデータ) (2021-03-03T02:38:09Z) - 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)
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。