論文の概要: Multi-expert learning of adaptive legged locomotion

• arxiv url: http://arxiv.org/abs/2012.05810v1
• Date: Thu, 10 Dec 2020 16:40:44 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-15 06:32:02.603328
• Title: Multi-expert learning of adaptive legged locomotion
• Title（参考訳）: 適応脚歩行のマルチエキスパート学習
• Authors: Chuanyu Yang, Kai Yuan, Qiuguo Zhu, Wanming Yu, Zhibin Li
• Abstract要約: マルチエキスパート学習アーキテクチャ(MELA)は、代表的な専門家スキルのグループから適応的なスキルを生成することを学ぶ。 統一melaフレームワークを用いて,実四足歩行ロボット上でのマルチスキル歩行を実演した。
• 参考スコア（独自算出の注目度）: 7.418225289645394
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Achieving versatile robot locomotion requires motor skills which can adapt to previously unseen situations. We propose a Multi-Expert Learning Architecture (MELA) that learns to generate adaptive skills from a group of representative expert skills. During training, MELA is first initialised by a distinct set of pre-trained experts, each in a separate deep neural network (DNN). Then by learning the combination of these DNNs using a Gating Neural Network (GNN), MELA can acquire more specialised experts and transitional skills across various locomotion modes. During runtime, MELA constantly blends multiple DNNs and dynamically synthesises a new DNN to produce adaptive behaviours in response to changing situations. This approach leverages the advantages of trained expert skills and the fast online synthesis of adaptive policies to generate responsive motor skills during the changing tasks. Using a unified MELA framework, we demonstrated successful multi-skill locomotion on a real quadruped robot that performed coherent trotting, steering, and fall recovery autonomously, and showed the merit of multi-expert learning generating behaviours which can adapt to unseen scenarios.
• Abstract（参考訳）: 万能ロボットの移動を実現するには、これまで目に見えない状況に適応できるモータースキルが必要である。 代表的専門家のスキル群から適応的なスキルを生み出すことを学ぶマルチエキスパート学習アーキテクチャ(MELA)を提案する。 トレーニング中、MELAはまず、個別の深層ニューラルネットワーク(DNN)で、個別にトレーニング済みのエキスパートセットによって初期化される。 そして、これらのDNNの組み合わせをGating Neural Network(GNN)を使って学習することにより、MELAは、さまざまな移動モードを通じて、より専門的な専門家と移行スキルを取得することができる。 実行中、MELAは複数のDNNを常にブレンドし、新しいDNNを動的に合成し、状況の変化に応じて適応的な振る舞いを生成する。 このアプローチは、訓練された専門家スキルの利点と、適応ポリシーの高速オンライン合成を利用して、タスク変更時の応答性モータースキルを生成する。 統合されたMELAフレームワークを用いて,コヒーレントトロッティング,ステアリング,転倒回復を自律的に行う実四足歩行ロボットのマルチスキル・ロコモーションを実演し,未知のシナリオに適応可能なマルチエキスパート学習生成のメリットを示した。

関連論文リスト

• Learning to Model Diverse Driving Behaviors in Highly Interactive Autonomous Driving Scenarios with Multi-Agent Reinforcement Learning [0.751422531359304]
  MARL(Multi-Agent Reinforcement Learning)は多くの運転シナリオにおいて印象的な結果を示している。 しかし、これらの訓練された政策のパフォーマンスは、様々な運転スタイルや個性に直面した場合に影響を及ぼす可能性がある。 本稿では、協調価値関数とパーソナリティパラメータを含むPersonality Modeling Network(PeMN)を紹介する。
  論文  参考訳（メタデータ） (2024-02-21T02:44:33Z)
• Reinforcement Learning for Versatile, Dynamic, and Robust Bipedal Locomotion Control [106.32794844077534]
  本稿では,二足歩行ロボットのための動的移動制御系を構築するために,深層強化学習を用いた研究について述べる。 本研究では、周期歩行やランニングから周期ジャンプや立位に至るまで、様々な動的二足歩行技術に使用できる汎用的な制御ソリューションを開発する。 この研究は、二足歩行ロボットの俊敏性の限界を、現実世界での広範な実験を通じて押し上げる。
  論文  参考訳（メタデータ） (2024-01-30T10:48:43Z)
• A Central Motor System Inspired Pre-training Reinforcement Learning for Robotic Control [7.227887302864789]
  本稿では,CMS-PRLを提案する。 まず、基本的なモータ報酬と相互情報報酬を組み合わせた融合報酬機構を導入する。 第2に,基底神経節の運動プログラムにインスパイアされたスキルエンコーディング手法を設計し,リッチかつ継続的なスキル指導を提供する。 第3に,運動能力の制御のためのスキルアクティビティ機能を提案する。
  論文  参考訳（メタデータ） (2023-11-14T00:49:12Z)
• Complex Locomotion Skill Learning via Differentiable Physics [30.868690308658174]
  微分物理学は、ニューラルネットワーク(NN)コントローラの効率的な最適化を可能にする。 本稿では,複雑度と多様性を著しく向上したタスクが可能な統一NNコントローラを出力する実践的学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-06-06T04:01:12Z)
• ASE: Large-Scale Reusable Adversarial Skill Embeddings for Physically Simulated Characters [123.88692739360457]
  汎用運動技術により、人間は複雑な作業を行うことができる。 これらのスキルは、新しいタスクを学ぶときの振る舞いを導くための強力な先駆者も提供します。 物理シミュレーション文字のための汎用的で再利用可能なスキル埋め込みを学習するためのフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-05-04T06:13:28Z)
• Generative Adversarial Imitation Learning for End-to-End Autonomous Driving on Urban Environments [0.8122270502556374]
  GAIL(Generative Adversarial Imitation Learning)は、報酬関数を明示的に定義することなくポリシーを訓練することができる。 両モデルとも,訓練終了後に開始から終了まで,専門家の軌道を模倣できることを示す。
  論文  参考訳（メタデータ） (2021-10-16T15:04:13Z)
• MT-Opt: Continuous Multi-Task Robotic Reinforcement Learning at Scale [103.7609761511652]
  大規模集団ロボット学習システムが,行動のレパートリーを同時に獲得できることを示す。 新しいタスクは、以前学んだタスクから継続的にインスタンス化できる。 我々は,7台のロボットから収集したデータを用いて,実世界のタスク12組でシステムを訓練し,評価する。
  論文  参考訳（メタデータ） (2021-04-16T16:38:02Z)
• SMARTS: Scalable Multi-Agent Reinforcement Learning Training School for Autonomous Driving [96.50297622371457]
  マルチエージェントインタラクションは、現実の世界における自律運転の基本的な側面である。 研究と開発が10年以上続いたにもかかわらず、様々なシナリオで多様な道路ユーザーと対話する方法の問題は未解決のままである。 SMARTSと呼ばれる,多種多様な運転インタラクションを生成する専用シミュレーションプラットフォームを開発した。
  論文  参考訳（メタデータ） (2020-10-19T18:26:10Z)
• 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)
• The Microsoft Toolkit of Multi-Task Deep Neural Networks for Natural Language Understanding [97.85957811603251]
  MT-DNNはオープンソースの自然言語理解(NLU)ツールキットであり、研究者や開発者がカスタマイズされたディープラーニングモデルを訓練しやすくする。 PyTorchとTransformersをベースとして開発されたMT-DNNは、幅広いNLUタスクの迅速なカスタマイズを容易にするように設計されている。 MT-DNNのユニークな特徴は、対戦型マルチタスク学習パラダイムを用いた堅牢で移動可能な学習のサポートである。
  論文  参考訳（メタデータ） (2020-02-19T03:05:28Z)

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。