論文の概要: Recurrent Neural Network for MoonBoard Climbing Route Classification and Generation

• arxiv url: http://arxiv.org/abs/2102.01788v1
• Date: Tue, 2 Feb 2021 22:38:23 GMT
• ステータス: 処理完了
• システム内更新日: 2021-02-04 17:46:52.418787
• Title: Recurrent Neural Network for MoonBoard Climbing Route Classification and Generation
• Title（参考訳）: MoonBoardクライミングルート分類と生成のための繰り返しニューラルネットワーク
• Authors: Yi-Shiou Duh, Ray Chang
• Abstract要約: BetaMoveは、人間の登山者の手列を模倣するために開発された新しい移動前処理パイプラインである。 我々の等級予測器の精度は人間レベルに近い性能に達する。 私たちのルートジェネレータは、以前の作業と比べてはるかに品質の良い新しいルートを生成します。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Classifying the difficulties of climbing routes and generating new routes are both challenging. Existing machine learning models not only fail to accurately predict a problem's difficulty, but they are also unable to generate reasonable problems. In this work, we introduced "BetaMove", a new move preprocessing pipeline we developed, in order to mimic a human climber's hand sequence. The preprocessed move sequences were then used to train both a route generator and a grade predictor. By preprocessing a MoonBoard problem into a proper move sequence, the accuracy of our grade predictor reaches near human-level performance, and our route generator produces new routes of much better quality compared to previous work. We demonstrated that with BetaMove, we are able to inject human insights into the machine learning problems, and this can be the foundations for future transfer learning on climbing style classification problems.
• Abstract（参考訳）: 登山ルートの難易度と新ルートの作成はどちらも困難である。 既存の機械学習モデルでは、問題の難易度を正確に予測できないだけでなく、合理的な問題も生成できない。 そこで本研究では,人間の登山者の手列を模倣するために開発した新しい移動前処理パイプラインである"betamove"を導入した。 事前処理された移動シーケンスは、経路生成器とグレード予測器の両方を訓練するために使用された。 ムーンボード問題を適切な移動順序に前処理することで、評価予測器の精度は人間のレベルに近い性能に到達し、経路生成器は以前の作業よりもずっと良い品質の新しい経路を生成する。 BetaMoveでは、機械学習の問題に対する人間の洞察を注入することができ、これが将来の登山スタイルの分類問題における移動学習の基礎となることを実証した。

関連論文リスト

• One-Layer Transformer Provably Learns One-Nearest Neighbor In Context [48.4979348643494]
  本研究では、1層変圧器が1層近傍の規則を学習する能力について検討する。 単一のソフトマックスアテンション層は、ワンアレスト隣人のように振る舞うことをうまく学ぶことができる。
  論文  参考訳（メタデータ） (2024-11-16T16:12:42Z)
• Learning Humanoid Locomotion over Challenging Terrain [84.35038297708485]
  本研究では,自然と人為的な地形を横断する視覚障害者の移動に対する学習に基づくアプローチを提案する。 本モデルではまず, 時系列モデルを用いた平地軌道のデータセット上で事前学習を行い, 補強学習を用いて不均一な地形を微調整する。 本研究では, 荒面, 変形面, 傾斜面など, 様々な地形にまたがる実際のヒューマノイドロボットを用いて, モデルを評価する。
  論文  参考訳（メタデータ） (2024-10-04T17:57:09Z)
• Humanoid Locomotion as Next Token Prediction [84.21335675130021]
  我々のモデルは感覚運動軌道の自己回帰予測によって訓練された因果変換器である。 われわれのモデルでは、フルサイズのヒューマノイドがサンフランシスコでゼロショットで歩けることが示されている。 われわれのモデルは、わずか27時間の歩行データで訓練された場合でも現実世界に移行でき、後方歩行のような訓練中に見えないコマンドを一般化することができる。
  論文  参考訳（メタデータ） (2024-02-29T18:57:37Z)
• Board-to-Board: Evaluating Moonboard Grade Prediction Generalization [0.0]
  ボルダリング(Bouldering)とは、選手がルートと呼ばれる一組のホールドを使って障害物を登ろうとするスポーツである。 登山者の技術的および物理的特性の変化と、個々のルートの多くのニュアンスにより、グラデーションは難しく、しばしばバイアスのある作業となる。 2016年と2017年と2019年のMoonboardデータセットに、古典的およびディープラーニングのモデリング技術を適用します。
  論文  参考訳（メタデータ） (2023-11-21T08:16:01Z)
• Towards Machine Learning for Placement and Routing in Chip Design: a Methodological Overview [72.79089075263985]
  配置とルーティングは、現代のチップ設計フローにおいて必須かつ困難な2つのタスクである。 機械学習は、そのデータ駆動性によって有望な見通しを示しており、知識や事前への依存度は低い。
  論文  参考訳（メタデータ） (2022-02-28T06:28:44Z)
• Learning to Shift Attention for Motion Generation [55.61994201686024]
  ロボット学習を用いた動作生成の課題の1つは、人間のデモが1つのタスククエリに対して複数のモードを持つ分布に従うことである。 以前のアプローチでは、すべてのモードをキャプチャできなかったり、デモの平均モードを取得できないため、無効なトラジェクトリを生成する傾向があった。 この問題を克服する外挿能力を有するモーション生成モデルを提案する。
  論文  参考訳（メタデータ） (2021-02-24T09:07:52Z)
• Learning Stable Manoeuvres in Quadruped Robots from Expert Demonstrations [3.893720742556156]
  鍵となる問題は、連続的な標的線速度と角速度の変化する脚軌道を生成することである。 この問題に対処する2つのアプローチを提案する。 我々は、目標速度、半径を計測し、それらを新しいコマンドに変換するニューラルネットワークベースのフィルタを開発した。
  論文  参考訳（メタデータ） (2020-07-28T15:02:04Z)
• Human Motion Transfer from Poses in the Wild [61.6016458288803]
  人間の動き伝達の問題に対処し、基準映像からの動きを模倣する対象人物のための新しい動き映像を合成する。 推定ポーズを用いて2つのドメインをブリッジするビデオ間翻訳タスクである。 トレーニング中に見つからない線内ポーズシーケンスであっても、時間的に一貫性のある高品質なビデオを生成するための新しいポーズ・ツー・ビデオ翻訳フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-04-07T05:59:53Z)

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。