論文の概要: Scale invariant robot behavior with fractals
- arxiv url: http://arxiv.org/abs/2103.04876v1
- Date: Mon, 8 Mar 2021 16:27:07 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-11 00:31:45.528568
- Title: Scale invariant robot behavior with fractals
- Title(参考訳): フラクタルを用いたスケール不変ロボット挙動
- Authors: Sam Kriegman, Amir Mohammadi Nasab, Douglas Blackiston, Hannah Steele,
Michael Levin, Rebecca Kramer-Bottiglio, Josh Bongard
- Abstract要約: 自然界における自己相似構造は、しばしば異なるスケールで自己相似行動を示す。
小型で望ましい動作を示すロボット設計があり、同じ設計をより高いスケールで実現するために、そのロボットのコピーが一緒に取り付けられている場合、それらの大きなロボットは同様の行動を示す。
- 参考スコア(独自算出の注目度): 1.593222804814135
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Robots deployed at orders of magnitude different size scales, and that retain
the same desired behavior at any of those scales, would greatly expand the
environments in which the robots could operate. However it is currently not
known whether such robots exist, and, if they do, how to design them. Since
self similar structures in nature often exhibit self similar behavior at
different scales, we hypothesize that there may exist robot designs that have
the same property. Here we demonstrate that this is indeed the case for some,
but not all, modular soft robots: there are robot designs that exhibit a
desired behavior at a small size scale, and if copies of that robot are
attached together to realize the same design at higher scales, those larger
robots exhibit similar behavior. We show how to find such designs in simulation
using an evolutionary algorithm. Further, when fractal attachment is not
assumed and attachment geometries must thus be evolved along with the design of
the base robot unit, scale invariant behavior is not achieved, demonstrating
that structural self similarity, when combined with appropriate designs, is a
useful path to realizing scale invariant robot behavior. We validate our
findings by demonstrating successful transferal of self similar structure and
behavior to pneumatically-controlled soft robots. Finally, we show that biobots
can spontaneously exhibit self similar attachment geometries, thereby
suggesting that self similar behavior via self similar structure may be
realizable across a wide range of robot platforms in future.
- Abstract(参考訳): ロボットは、大きさの異なるスケールの順序で展開され、それらのスケールのいずれかで同じ望ましい動作を維持することで、ロボットが動作できる環境を大幅に拡張します。
しかし、現在そのようなロボットが存在するのか、もし存在すればどのように設計するかは分かっていない。
自然の自己類似構造は、しばしば異なるスケールで自己類似の挙動を示すため、同じ性質を持つロボット設計が存在する可能性があると仮定する。
小型で望ましい動作を示すロボット設計と、同じ設計を高いスケールで実現するためにそのロボットのコピーが一緒に取り付けられている場合、それらの大きなロボットは同様の行動を示す。
進化的アルゴリズムを用いてシミュレーションでそのような設計を見つける方法を示す。
また、フラクタルアタッチメントを想定せず、ベースロボットユニットの設計とともにアタッチメント形状を進化させなければならず、スケール不変の挙動は達成されず、適切な設計と組み合わせると構造的自己類似性がスケール不変のロボット動作を実現する有用な道であることを示す。
本研究では,空気圧制御型ソフトロボットへの自己類似構造と挙動の伝達に成功していることを実証した。
最後に, バイオボットが自発的に自己類似のアタッチメントジオメトリを提示できることを示し, 今後, 多様なロボットプラットフォームにおいて自己類似構造による自己類似行動が実現可能になることを示唆する。
関連論文リスト
- Learning Object Properties Using Robot Proprioception via Differentiable Robot-Object Interaction [52.12746368727368]
微分可能シミュレーションは、システム識別の強力なツールとなっている。
本手法は,オブジェクト自体のデータに頼ることなく,ロボットからの情報を用いてオブジェクト特性を校正する。
低コストなロボットプラットフォームにおける本手法の有効性を実証する。
論文 参考訳(メタデータ) (2024-10-04T20:48:38Z) - 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) - Unifying 3D Representation and Control of Diverse Robots with a Single Camera [48.279199537720714]
我々は,ロボットを視覚のみからモデル化し,制御することを自律的に学習するアーキテクチャであるNeural Jacobian Fieldsを紹介する。
提案手法は,正確なクローズドループ制御を実現し,各ロボットの因果動的構造を復元する。
論文 参考訳(メタデータ) (2024-07-11T17:55:49Z) - RoboScript: Code Generation for Free-Form Manipulation Tasks across Real
and Simulation [77.41969287400977]
本稿では,コード生成を利用したデプロイ可能なロボット操作パイプラインのためのプラットフォームである textbfRobotScript を提案する。
自由形自然言語におけるロボット操作タスクのためのコード生成ベンチマークも提案する。
我々は,Franka と UR5 のロボットアームを含む,複数のロボットエボディメントにまたがるコード生成フレームワークの適応性を実証した。
論文 参考訳(メタデータ) (2024-02-22T15:12:00Z) - Singing the Body Electric: The Impact of Robot Embodiment on User
Expectations [7.408858358967414]
ユーザーはロボットのメンタルモデルを開発し、ロボットとどのような相互作用ができるかを概念化する。
概念化はしばしばロボットとの相互作用の前に形成され、ロボットの物理的デザインを観察することのみに基づいている。
本研究では,ロボットが持つ社会的・身体的能力に対して,ユーザがどのような期待を抱くかを予測するために,ロボットのマルチモーダル機能を利用することを提案する。
論文 参考訳(メタデータ) (2024-01-13T04:42:48Z) - Correspondence learning between morphologically different robots via
task demonstrations [2.1374208474242815]
形態の異なる2つ以上のロボットの対応関係を学習する手法を提案する。
本提案手法では,関節制御付き固定ベースマニピュレータロボットと差動駆動移動ロボットとが対応可能である。
本研究では,実際のマニピュレータロボットとシミュレートされた移動ロボットとの対応学習の概念実証を行う。
論文 参考訳(メタデータ) (2023-10-20T12:42:06Z) - Robot Learning with Sensorimotor Pre-training [98.7755895548928]
ロボット工学のための自己教師型感覚運動器事前学習手法を提案する。
我々のモデルはRTTと呼ばれ、センサモレータトークンのシーケンスで動作するトランスフォーマーである。
感覚運動の事前学習は、ゼロからトレーニングを一貫して上回り、優れたスケーリング特性を持ち、さまざまなタスク、環境、ロボット間での移動を可能にしている。
論文 参考訳(メタデータ) (2023-06-16T17:58:10Z) - Efficient automatic design of robots [43.968830087704035]
本研究では,ロボットの構造を1台のコンシューマ級コンピュータ上で数秒以内の所望の動作を示すために,初めて非ノボ最適化を示す。
他の勾配に基づくロボット設計法とは異なり、このアルゴリズムは特定の解剖学的形態を前提としていない。
この進歩は、医療、環境、車両、宇宙ベースのタスクのためのユニークで有用な機械の設計、製造、展開をほぼ瞬時に約束する。
論文 参考訳(メタデータ) (2023-06-05T21:30:52Z) - GenLoco: Generalized Locomotion Controllers for Quadrupedal Robots [87.32145104894754]
四足歩行ロボットのための汎用ロコモーション(GenLoco)コントローラを訓練するためのフレームワークを提案する。
本フレームワークは,多種多様な四足歩行ロボットに展開可能な汎用ロコモーションコントローラを合成する。
我々のモデルは、より一般的な制御戦略を取得し、新しいシミュレーションロボットや実世界のロボットに直接移行できることを示す。
論文 参考訳(メタデータ) (2022-09-12T15:14:32Z) - 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) - Cross Domain Robot Imitation with Invariant Representation [32.1735585546968]
クロスドメイン模倣学習(CDIL)はロボット工学における課題である。
不変表現に基づく模倣学習アルゴリズムを提案する。
本手法は,類似した動作の異なるロボットに対して,類似した表現を学習できることを示す。
論文 参考訳(メタデータ) (2021-09-13T13:05:35Z)
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。