論文の概要: Rapidly adapting robot swarms with Swarm Map-based Bayesian Optimisation
- arxiv url: http://arxiv.org/abs/2012.11444v1
- Date: Mon, 21 Dec 2020 15:54:37 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-27 06:23:18.496262
- Title: Rapidly adapting robot swarms with Swarm Map-based Bayesian Optimisation
- Title(参考訳): スワーミングマップに基づくベイズ最適化による高速適応型ロボット群
- Authors: David M. Bossens and Danesh Tarapore
- Abstract要約: 予期せぬ環境破壊からの迅速なパフォーマンス回復は、群れロボティクスにおける大きな課題です。
この課題を解決するために,制御器のアーカイブを検索して潜在的な回復ソリューションを探索する行動適応手法を提案する。
2つのアルゴリズムを提案する: (i)swarm map-based optimization (smbo) 1つのコントローラを一度に選択・評価し、一様swarmに対して一元的に一元的に評価するアルゴリズムと、(ii)swarm map-based optimisation decentralized (smbo-dec) という非同期バッチベースのベイズ最適化を実行するアルゴリズムである。
- 参考スコア(独自算出の注目度): 1.0152838128195467
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Rapid performance recovery from unforeseen environmental perturbations
remains a grand challenge in swarm robotics. To solve this challenge, we
investigate a behaviour adaptation approach, where one searches an archive of
controllers for potential recovery solutions. To apply behaviour adaptation in
swarm robotic systems, we propose two algorithms: (i) Swarm Map-based
Optimisation (SMBO), which selects and evaluates one controller at a time, for
a homogeneous swarm, in a centralised fashion; and (ii) Swarm Map-based
Optimisation Decentralised (SMBO-Dec), which performs an asynchronous
batch-based Bayesian optimisation to simultaneously explore different
controllers for groups of robots in the swarm. We set up foraging experiments
with a variety of disturbances: injected faults to proximity sensors, ground
sensors, and the actuators of individual robots, with 100 unique combinations
for each type. We also investigate disturbances in the operating environment of
the swarm, where the swarm has to adapt to drastic changes in the number of
resources available in the environment, and to one of the robots behaving
disruptively towards the rest of the swarm, with 30 unique conditions for each
such perturbation. The viability of SMBO and SMBO-Dec is demonstrated,
comparing favourably to variants of random search and gradient descent, and
various ablations, and improving performance up to 80% compared to the
performance at the time of fault injection within at most 30 evaluations.
- Abstract(参考訳): 予期せぬ環境変動による迅速な性能回復は、Swarm Roboticsにとって大きな課題である。
この課題を解決するために,制御器のアーカイブを検索して潜在的な回復ソリューションを探索する行動適応手法を提案する。
群ロボットシステムに行動適応を適用するために, (i) Swarm Map-based Optimisation (SMBO) と (ii) Swarm Map-based Optimisation Decentralized (SMBO-Dec) の2つのアルゴリズムを提案する。
近距離センサや地上センサ、個々のロボットのアクチュエータに障害を注入し、それぞれに100種類の異なる組み合わせで飼料実験を行った。
また,Swarmの動作環境における障害についても検討し,Swarmは環境内で利用可能なリソース数が大きく変化すること,Swarmの他の部分に対して破壊的に行動するロボットの1つに適応する必要がある。
smbo, smbo-decの有効性を示し, ランダムサーチ, 勾配降下, 各種アブレーションの変種と比較し, 30以上の評価において, 故障注入時の性能を80%まで向上させた。
関連論文リスト
- Arbitrarily Scalable Environment Generators via Neural Cellular Automata [55.150593161240444]
NCA環境ジェネレータは, 環境サイズに関わらず, 整合性, 規則化されたパターンを維持可能であることを示す。
提案手法は,類似したパターンを持つ大規模環境に対して,単エージェント強化学習ポリシーを任意に拡張する。
論文 参考訳(メタデータ) (2023-10-28T07:30:09Z) - Collective motion emerging from evolving swarm controllers in different
environments using gradient following task [2.7402733069181]
センサと通信能力に制限のあるロボットが環境特性の勾配に従わなければならないという課題を考察する。
我々は、ディファレンシャル進化を用いて、Thymio IIロボットのシミュレーションのためのニューラルネットワークコントローラを進化させる。
進化したロボットコントローラは、タスクを解決したSwarm動作を誘導する。
論文 参考訳(メタデータ) (2022-03-22T10:08:50Z) - Centralizing State-Values in Dueling Networks for Multi-Robot
Reinforcement Learning Mapless Navigation [87.85646257351212]
本稿では,CTDE(Training and Decentralized Execution)パラダイムにおけるマルチロボットマップレスナビゲーションの問題点について考察する。
この問題は、各ロボットが観察を他のロボットと明示的に共有することなく、その経路を考えると困難である。
我々は,集中型状態値ネットワークを用いて共同状態値を計算するCTDEの新しいアーキテクチャを提案する。
論文 参考訳(メタデータ) (2021-12-16T16:47:00Z) - SABER: Data-Driven Motion Planner for Autonomously Navigating
Heterogeneous Robots [112.2491765424719]
我々は、データ駆動型アプローチを用いて、異種ロボットチームをグローバルな目標に向けてナビゲートする、エンドツーエンドのオンラインモーションプランニングフレームワークを提案する。
モデル予測制御(SMPC)を用いて,ロボット力学を満たす制御入力を計算し,障害物回避時の不確実性を考慮した。
リカレントニューラルネットワークは、SMPC有限時間地平線解における将来の状態の不確かさを素早く推定するために用いられる。
ディープQ学習エージェントがハイレベルパスプランナーとして機能し、SMPCにロボットを望ましいグローバルな目標に向けて移動させる目標位置を提供する。
論文 参考訳(メタデータ) (2021-08-03T02:56:21Z) - Robotic Brain Storm Optimization: A Multi-target Collaborative Searching
Paradigm for Swarm Robotics [24.38312890501329]
本稿では,ロボットBSOと呼ばれる群ロボットのためのBSOベースの協調探索フレームワークを提案する。
提案手法はBSOの誘導探索特性をシミュレートし,Swarm Robotics のマルチターゲット探索問題に優れた可能性を持つ。
論文 参考訳(メタデータ) (2021-05-27T13:05:48Z) - Online Body Schema Adaptation through Cost-Sensitive Active Learning [63.84207660737483]
この作業は、icubロボットシミュレータの7dofアームを使用して、シミュレーション環境で実行された。
コストに敏感な能動学習手法は最適な関節構成を選択するために用いられる。
その結果,コスト依存型能動学習は標準的な能動学習手法と同等の精度を示し,実行運動の約半分を減らした。
論文 参考訳(メタデータ) (2021-01-26T16:01:02Z) - Neuromorphic adaptive spiking CPG towards bio-inspired locomotion of
legged robots [58.720142291102135]
スパイクセントラルパターンジェネレーターは、外部刺激によって駆動される異なる移動パターンを生成します。
終端ロボットプラットフォーム(あらゆる脚ロボット)の移動は、任意のセンサーを入力として地形に適応することができる。
論文 参考訳(メタデータ) (2021-01-24T12:44:38Z) - Distributed Multi-agent Meta Learning for Trajectory Design in Wireless
Drone Networks [151.27147513363502]
本稿では,動的無線ネットワーク環境で動作するエネルギー制約型ドローン群に対する軌道設計の問題点について検討する。
値ベース強化学習(VDRL)ソリューションとメタトレイン機構を提案する。
論文 参考訳(メタデータ) (2020-12-06T01:30:12Z) - Bioinspired Bipedal Locomotion Control for Humanoid Robotics Based on
EACO [1.0152838128195467]
本研究は,ヒューマノイドロボットに適用されたEACOのグローバル検索能力と収束率を,リアルタイムに向上させるものである。
我々は、ACO、実コードGA、ニューラルネットワーク(NN)付きGA、パーティクルスウォーム最適化(PSO)、複雑なロボティクスシステムなど、幅広い問題に対するEACOアルゴリズムに特別な焦点をあてた。
論文 参考訳(メタデータ) (2020-10-09T09:43:48Z) - AMPSO: Artificial Multi-Swarm Particle Swarm Optimization [5.7415897900373425]
本研究では,探索群,人工的搾取群,収束群からなる新しい人工マルチスワムPSOを提案する。
結果の正確性を保証するため,群集の探索・利用・収束過程を制御する新しい多様性スキームが提案されている。
CEC2015テストスイートのすべての機能に対してAMPSOの有効性が検証されている。
論文 参考訳(メタデータ) (2020-04-16T09:59:45Z) - QED: using Quality-Environment-Diversity to evolve resilient robot
swarms [12.18340575383456]
Swarm Roboticsでは、Swarm内のどのロボットも異なる障害の影響を受け、パフォーマンスが大幅に低下する可能性がある。
モデルのないフォールトリカバリアプローチには、2つのフェーズがある:シミュレーションの間、品質多様性アルゴリズムは、挙動的に多様なコントローラのアーカイブを進化させる。
環境多様性の影響は、適切な行動記述子を選択する際に無視されることが多い。
論文 参考訳(メタデータ) (2020-03-04T21:36:07Z)
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。