論文の概要: Morphological Development at the Evolutionary Timescale: Robotic
Developmental Evolution
- arxiv url: http://arxiv.org/abs/2010.14894v2
- Date: Tue, 18 Jan 2022 21:29:12 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-02 05:20:11.820239
- Title: Morphological Development at the Evolutionary Timescale: Robotic
Developmental Evolution
- Title（参考訳）: 進化的時間スケールにおける形態発達:ロボット発達進化
- Authors: Fabien C. Y. Benureau and Jun Tani
- Abstract要約: 我々は、系統学的時間スケールで発生する発達過程を設計することを提案する。
成体ロボットのみによる進化的探索よりも、より良く質的に異なる歩行を生み出すことが示される。
提案手法は概念的には単純であり,小人数のロボットに有効である。
- 参考スコア（独自算出の注目度）: 5.000272778136268
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Evolution and development operate at different timescales; generations for
the one, a lifetime for the other. These two processes, the basis of much of
life on earth, interact in many non-trivial ways, but their temporal hierarchy
-- evolution overarching development -- is observed for most multicellular
lifeforms. When designing robots however, this tenet lifts: it becomes --
however natural -- a design choice. We propose to inverse this temporal
hierarchy and design a developmental process happening at the phylogenetic
timescale. Over a classic evolutionary search aimed at finding good gaits for
tentacle 2D robots, we add a developmental process over the robots'
morphologies. Within a generation, the morphology of the robots does not
change. But from one generation to the next, the morphology develops. Much like
we become bigger, stronger, and heavier as we age, our robots are bigger,
stronger and heavier with each passing generation. Our robots start with baby
morphologies, and a few thousand generations later, end-up with adult ones. We
show that this produces better and qualitatively different gaits than an
evolutionary search with only adult robots, and that it prevents premature
convergence by fostering exploration. In addition, we validate our method on
voxel lattice 3D robots from the literature and compare it to a recent
evolutionary developmental approach. Our method is conceptually simple, and can
be effective on small or large populations of robots, and intrinsic to the
robot and its morphology, not the task or environment. Furthermore, by
recasting the evolutionary search as a learning process, these results can be
viewed in the context of developmental learning robotics.
- Abstract（参考訳）: 進化と開発は異なる時間スケールで行われ、1世代は世代、もう1世代は寿命である。
地球上の生命の基盤であるこれらの2つの過程は、多くの非自明な方法で相互作用するが、その時間的階層(進化の階層的発達)は、ほとんどの多細胞生物で観察される。
しかし、ロボットを設計するとき、この傾向は浮き彫りになる。
我々は,この時間的階層を逆転させ,系統学的時間スケールで発生過程を設計することを提案する。
触手2Dロボットのための優れた歩行を見つけることを目的とした古典的な進化的探索を通じて、ロボットの形態に関する発達過程を追加する。
世代内では、ロボットの形態は変化しない。
しかし、ある世代から次の世代へ、形態が発達する。
大きく、強く、より重くなるように、私たちのロボットは、世代ごとに大きく、強く、より重いのです。
私たちのロボットはまず赤ちゃんの形態から始まり、数千世代後、大人に終止符を打つ。
成体ロボットのみによる進化的探索よりも、より良く質的に異なる歩留まりを生じさせ、探索を奨励することで早めの収束を防いでいることを示す。
さらに,voxel lattice 3dロボットの手法を文献から検証し,最近の進化的アプローチと比較した。
提案手法は概念上は単純であり,小人数のロボットに対して有効であり,タスクや環境ではなく,ロボットとその形態に固有のものである。
さらに、進化的探索を学習プロセスとして再キャストすることにより、これらの結果は発達的学習ロボティクスの文脈で見ることができる。
関連論文リスト
- Evolution and learning in differentiable robots [0.0]
我々は、異なるシミュレーションを用いて、多数の候補体計画において、行動の個々の神経制御を迅速かつ同時に最適化する。
個体群における各ロボットの機械的構造の変化は,探索の外ループに遺伝的アルゴリズムを適用した。
シミュレーションで発見された非常に微分可能な形態の1つは、物理ロボットとして実現され、その最適化された振る舞いを維持できた。
論文 参考訳（メタデータ） (2024-05-23T15:45:43Z) - HumanoidBench: Simulated Humanoid Benchmark for Whole-Body Locomotion and Manipulation [50.616995671367704]
そこで本研究では,人型ロボットが器用な手を備えた,高次元シミュレーション型ロボット学習ベンチマークHumanoidBenchを提案する。
その結果,現在最先端の強化学習アルゴリズムがほとんどのタスクに支障をきたすのに対して,階層的学習アプローチはロバストな低レベルポリシーに支えられた場合,優れた性能を達成できることがわかった。
論文 参考訳（メタデータ） (2024-03-15T17:45:44Z) - 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) - Lamarck's Revenge: Inheritance of Learned Traits Can Make Robot
Evolution Better [2.884244918665901]
「もし18世紀の生物学者ラマルクが完全に間違っておらず、生涯に学んだ個々の特性が継承を通じて子孫に受け継がれるとしたらどうだろう。」
この枠組みでは、学習した脳のビットが継承可能なラマルク系と、そうでないダーウィン系を比較する。
論文 参考訳（メタデータ） (2023-09-22T15:29:15Z) - World Models and Predictive Coding for Cognitive and Developmental
Robotics: Frontiers and Challenges [51.92834011423463]
我々は世界モデルと予測符号化の2つの概念に焦点を当てる。
神経科学において、予測符号化は、脳がその入力を継続的に予測し、その環境における自身のダイナミクスと制御行動のモデル化に適応するように提案する。
論文 参考訳（メタデータ） (2023-01-14T06:38:14Z) - HERD: Continuous Human-to-Robot Evolution for Learning from Human
Demonstration [57.045140028275036]
本研究では,マイクロ進化的強化学習を用いて,操作スキルを人間からロボットに伝達可能であることを示す。
本稿では,ロボットの進化経路とポリシーを協調的に最適化する多次元進化経路探索アルゴリズムを提案する。
論文 参考訳（メタデータ） (2022-12-08T15:56:13Z) - The Effects of the Environment and Linear Actuators on Robot
Morphologies [0.0]
既存のRoboGenフレームワーク(リニアアクチュエータ)に骨格筋にインスパイアされた新しいモジュールを追加する効果について検討した。
ロボットは, 粗い環境下で進化し, 粗い環境下で進化した。
論文 参考訳（メタデータ） (2022-04-02T20:03:32Z) - 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) - The Introspective Agent: Interdependence of Strategy, Physiology, and
Sensing for Embodied Agents [51.94554095091305]
本論では, 環境の文脈において, 自己能力を考慮した内省的エージェントについて論じる。
自然と同じように、私たちは戦略を1つのツールとして再編成して、環境において成功させたいと考えています。
論文 参考訳（メタデータ） (2022-01-02T20:14:01Z) - The Effects of Learning in Morphologically Evolving Robot Systems [8.627180519837657]
学習はタスクのパフォーマンスを大幅に向上させ、特定のフィットネスレベルに達するために必要な世代数を削減できることを示す。
学習はコントローラにのみ直接影響を与えるが、進化した形態も異なることを実証する。
進化過程を通じて、遺伝と学習した脳のパフォーマンス差である学習デルタが成長しているのを観察する。
論文 参考訳（メタデータ） (2021-11-18T18:20:33Z) - The Effects of Learning in Morphologically Evolving Robot Systems [10.592277756185046]
モジュール型ロボットは、組換えと突然変異によって両親の身体を継承する子孫を生成できるシステムを構築した。
第1のアプローチは、ロボットの子供の脳が親から受け継がれていることを意味する進化のみを含む。
第2のアプローチは進化と学習であり、これは子供の脳も継承されることを意味するが、さらに学習アルゴリズムによって開発される。
論文 参考訳（メタデータ） (2021-07-17T14:38:26Z)
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。