論文の概要: The Dynamic of Body and Brain Co-Evolution
- arxiv url: http://arxiv.org/abs/2011.11440v1
- Date: Mon, 23 Nov 2020 14:41:57 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-22 01:19:11.536847
- Title: The Dynamic of Body and Brain Co-Evolution
- Title（参考訳）: 身体と脳の共進化のダイナミクス
- Authors: Paolo Pagliuca and Stefano Nolfi
- Abstract要約: 本稿では,ロボットの身体と制御特性の共進化を可能にする手法を提案する。
ロボットの形態的特性を手作業で設計した形態的バプランに適応させたり、形態的バプランを進化させたりすることができる。
以上の結果から,共適応体と制御特性を持つロボットは,手作り形態が固定されたロボットよりも優れていたことが示唆された。
- 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: We introduce a method that permits to co-evolve the body and the control
properties of robots. It can be used to adapt the morphological traits of
robots with a hand-designed morphological bauplan or to evolve the
morphological bauplan as well. Our results indicate that robots with co-adapted
body and control traits outperform robots with fixed hand-designed
morphologies. Interestingly, the advantage is not due to the selection of
better morphologies but rather to the mutual scaffolding process that results
from the possibility to co-adapt the morphological traits to the control traits
and vice versa. Our results also demonstrate that morphological variations do
not necessarily have destructive effects on robot skills.
- Abstract（参考訳）: 本稿では,ロボットの身体と制御特性の共進化を可能にする手法を提案する。
ロボットの形態的特性を手作業で設計した形態的バプランに適応させたり、形態的バプランを進化させたりすることができる。
以上の結果から,共適応体と制御特性を持つロボットは,手作り形態を固定したロボットよりも優れていた。
興味深いことに、利点はより良い形態を選択することではなく、制御形質に形態的特徴を共適応し、その逆も可能な相互足場形成プロセスにある。
また,形態変化は必ずしもロボットのスキルに破壊的な影響を及ぼさないことを示した。
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) - 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) - Universal Morphology Control via Contextual Modulation [52.742056836818136]
異なるロボット形態をまたいだ普遍的なポリシーの学習は、継続的な制御における学習効率と一般化を著しく向上させることができる。
既存の手法では、グラフニューラルネットワークやトランスフォーマーを使用して、異種状態と異なる形態のアクション空間を処理する。
本稿では,この依存関係を文脈変調によりモデル化する階層型アーキテクチャを提案する。
論文 参考訳（メタデータ） (2023-02-22T00:04:12Z) - Learning Goal-based Movement via Motivational-based Models in Cognitive
Mobile Robots [58.720142291102135]
人間は、強さと文脈に応じて行動を促進する必要がある。
また、各行動の知覚的快楽に関連する嗜好も作り出します。
これにより、意思決定がより複雑になり、コンテキストに応じてニーズと嗜好のバランスを取ることが求められます。
論文 参考訳（メタデータ） (2023-02-20T04:52:24Z) - Co-evolving morphology and control of soft robots using a single genome [0.0]
本稿では,ロボットの形態と制御を共進化させる新しい手法を提案する。
本手法は,1つのゲノムからエージェントの「脳」と「体」の両方を抽出し,それらを同時に開発する。
提案手法を4つのタスクで評価し,探索空間が大きくても1つのゲノムを持つと進化過程の収束が早くなることを示した。
論文 参考訳（メタデータ） (2022-12-22T07:34:31Z) - Severe Damage Recovery in Evolving Soft Robots through Differentiable
Programming [7.198483427085636]
そこで我々は,神経細胞オートマトンに基づくシステムを提案する。そこでは,ロボットが進化し,勾配に基づくトレーニングによって損傷から形態を再生する能力を与える。
結果として生じる神経細胞オートマトンは、深刻な形態的損傷を受けた後でも80%以上の機能を回復できる仮想ロボットを成長させることができる。
論文 参考訳（メタデータ） (2022-06-14T08:05:42Z) - Data-driven emotional body language generation for social robotics [58.88028813371423]
社会ロボティクスでは、人間型ロボットに感情の身体的表現を生成する能力を与えることで、人間とロボットの相互作用とコラボレーションを改善することができる。
我々は、手作業で設計されたいくつかの身体表現から学習する深層学習データ駆動フレームワークを実装した。
評価実験の結果, 生成した表現の人間同型とアニマシーは手作りの表現と異なる認識が得られなかった。
論文 参考訳（メタデータ） (2022-05-02T09:21:39Z) - 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) - 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) - Emergent Hand Morphology and Control from Optimizing Robust Grasps of
Diverse Objects [63.89096733478149]
多様な物体をつかむために、効果的なハンドデザインが自然に現れるデータ駆動型アプローチを紹介します。
形態と把持スキルを共同で効率的に設計するベイズ最適化アルゴリズムを開発した。
我々は,新しい物体をつかむための堅牢で費用効率のよい手形態を発見するためのアプローチの有効性を実証する。
論文 参考訳（メタデータ） (2020-12-22T17:52:29Z) - DeepRetinotopy: Predicting the Functional Organization of Human Visual
Cortex from Structural MRI Data using Geometric Deep Learning [125.99533416395765]
我々は,脳機能と解剖学の複雑な関係を構造的および機能的MRIデータから学習するために,大脳皮質の構造を活用できるディープラーニングモデルを開発した。
我々のモデルは解剖学的特性だけで人間の視覚野の機能的構造を予測することができ、また個人間でのニュアンスの変化を予測することができた。
論文 参考訳（メタデータ） (2020-05-26T04:54:31Z)
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。