論文の概要: Investigation of Warrior Robots Behavior by Using Evolutionary Algorithms

• arxiv url: http://arxiv.org/abs/2011.09455v1
• Date: Wed, 18 Nov 2020 18:31:27 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-24 04:46:30.256421
• Title: Investigation of Warrior Robots Behavior by Using Evolutionary Algorithms
• Title（参考訳）: 進化的アルゴリズムを用いた戦士ロボットの行動調査
• Authors: Shahriar Sharifi Borojerdi, Mehdi Karimi, Ehsan Amiri
• Abstract要約: この種のアルゴリズムは、ロボットの行動が集団行動に類似する性質にインスパイアされている。 インテリジェンスを持たないロボットに対しては、アルゴリズムを定義し、簡単なシミュレーションで結果を示すことができる。
• 参考スコア（独自算出の注目度）: 0.09668407688201358
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: In this study, we review robots behavior especially warrior robots by using evolutionary algorithms. This kind of algorithms is inspired by nature that causes robots behaviors get resemble to collective behavior. Collective behavior of creatures such as bees was shown that do some functions which depended on interaction and cooperation would need to a well-organized system so that all creatures within it carry out their duty, very well. For robots which do not have any intelligence, we can define an algorithm and show the results by a simple simulation.
• Abstract（参考訳）: 本研究では,進化的アルゴリズムを用いてロボットの動作,特に戦士ロボットについて検討する。 この種のアルゴリズムは、ロボットの行動が集団行動に類似する性質にインスパイアされている。 ミツバチのような生物の集団的行動は、相互作用や協力に依存する何らかの機能を行うには、その中の全ての生物がその義務を果たすために、よく組織化されたシステムが必要であることが示されている。 インテリジェンスを持たないロボットに対しては、アルゴリズムを定義し、簡単なシミュレーションで結果を示すことができる。

関連論文リスト

• No-brainer: Morphological Computation driven Adaptive Behavior in Soft Robots [0.24554686192257422]
  ロボット制御のための分離された明示的な脳がなくても、インテリジェントな行動が作成できることを示す。 具体的には, 簡単な反応材料を用いて, ボクセルをベースとした仮想ソフトロボットにおいて適応的かつ複雑な動作を創出できることを示す。
  論文  参考訳（メタデータ） (2024-07-23T16:20:36Z)
• Interactive Multi-Robot Flocking with Gesture Responsiveness and Musical Accompaniment [0.7659052547635159]
  この研究は魅力的なマルチロボットタスクを示し、その主な目的は熱意と関心を喚起することである。 このタスクでは、人間と一緒に動き、ダイナミックで表現力のあるロボット群に参加することが目標である。 この目的に向けて、研究チームはロボットの動きとジェスチャーや音といった対話モードを関連づけるアルゴリズムを開発した。
  論文  参考訳（メタデータ） (2024-03-30T18:16:28Z)
• 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)
• Learning NEAT Emergent Behaviors in Robot Swarms [1.0958014189747356]
  本稿では,分散ロボット群アルゴリズムを訓練し,創発的行動を生成する方法を提案する。 動物における創発的行動の生物学的進化に触発され、進化的アルゴリズムを用いて個体集団を訓練する。 このアルゴリズムは、成功のためにやや複雑なグループ動作を必要とする様々なタスクで評価する。
  論文  参考訳（メタデータ） (2023-09-26T04:40:52Z)
• SACSoN: Scalable Autonomous Control for Social Navigation [62.59274275261392]
  我々は、社会的に邪魔にならないナビゲーションのための政策の訓練方法を開発した。 この反事実的摂動を最小化することにより、共有空間における人間の自然な振る舞いを変えない方法でロボットに行動を促すことができる。 屋内移動ロボットが人間の傍観者と対話する大規模なデータセットを収集する。
  論文  参考訳（メタデータ） (2023-06-02T19:07:52Z)
• 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)
• Synthesis and Execution of Communicative Robotic Movements with Generative Adversarial Networks [59.098560311521034]
  我々は、繊細な物体を操作する際に人間が採用するのと同じキネマティクス変調を2つの異なるロボットプラットフォームに転送する方法に焦点を当てる。 我々は、ロボットのエンドエフェクターが採用する速度プロファイルを、異なる特徴を持つ物体を輸送する際に人間が何をするかに触発されて調整する。 我々は、人体キネマティクスの例を用いて訓練され、それらを一般化し、新しい有意義な速度プロファイルを生成する、新しいジェネレーティブ・アドバイサル・ネットワークアーキテクチャを利用する。
  論文  参考訳（メタデータ） (2022-03-29T15:03:05Z)
• 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)
• Evolution Gym: A Large-Scale Benchmark for Evolving Soft Robots [29.02903745467536]
  ソフトロボットの設計と制御を最適化する最初の大規模ベンチマークであるEvolution Gymを提案する。 私たちのベンチマーク環境は、様々な種類の地形の移動や操作など、幅広いタスクにまたがっています。 我々は,最先端設計最適化手法と深層強化学習手法を組み合わせることで,複数のロボット共進化アルゴリズムを開発した。
  論文  参考訳（メタデータ） (2022-01-24T18:39:22Z)
• 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)
• A Survey of Behavior Learning Applications in Robotics -- State of the Art and Perspectives [44.45953630612019]
  最近の多くの領域での機械学習の成功は圧倒的に多い。 実際のロボットで学んだり使ったりした行動について、幅広い概要を述べます。
  論文  参考訳（メタデータ） (2019-06-05T07:54:33Z)

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。