論文の概要: Seeking Quality Diversity in Evolutionary Co-design of Morphology and Control of Soft Tensegrity Modular Robots

• arxiv url: http://arxiv.org/abs/2104.12175v1
• Date: Sun, 25 Apr 2021 14:49:59 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-02 11:10:52.515279
• Title: Seeking Quality Diversity in Evolutionary Co-design of Morphology and Control of Soft Tensegrity Modular Robots
• Title（参考訳）: 進化的共設計における品質多様性の探索とソフトテンセグリティモジュールロボットの制御
• Authors: Enrico Zardini, Davide Zappetti, Davide Zambrano, Giovanni Iacca, Dario Floreano
• Abstract要約: 最適ソフトモジュールロボットの設計は、形態学とコントローラの非自明な相互作用のため困難である。 本研究では,テンセグリティソフトモジュールロボット(TSMR)の共進化設計における品質多様性向上のためのアルゴリズム的解について検討する。 我々は3つの異なるEAを使用し、1つはViability Evolution(ViE)とNEAT(ViE-NEAT)に基づいており、もう1つはDouble Map MAP-Elites(DM-ME)と呼ばれ、ロボット形態学とニューラルネットワーク(NN)ベースのコントローラを共進化させながら多様性を求めるために考案された。
• 参考スコア（独自算出の注目度）: 7.765212440081057
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Designing optimal soft modular robots is difficult, due to non-trivial interactions between morphology and controller. Evolutionary algorithms (EAs), combined with physical simulators, represent a valid tool to overcome this issue. In this work, we investigate algorithmic solutions to improve the Quality Diversity of co-evolved designs of Tensegrity Soft Modular Robots (TSMRs) for two robotic tasks, namely goal reaching and squeezing trough a narrow passage. To this aim, we use three different EAs, i.e., MAP-Elites and two custom algorithms: one based on Viability Evolution (ViE) and NEAT (ViE-NEAT), the other named Double Map MAP-Elites (DM-ME) and devised to seek diversity while co-evolving robot morphologies and neural network (NN)-based controllers. In detail, DM-ME extends MAP-Elites in that it uses two distinct feature maps, referring to morphologies and controllers respectively, and integrates a mechanism to automatically define the NN-related feature descriptor. Considering the fitness, in the goal-reaching task ViE-NEAT outperforms MAP-Elites and results equivalent to DM-ME. Instead, when considering diversity in terms of "illumination" of the feature space, DM-ME outperforms the other two algorithms on both tasks, providing a richer pool of possible robotic designs, whereas ViE-NEAT shows comparable performance to MAP-Elites on goal reaching, although it does not exploit any map.
• Abstract（参考訳）: モルフォロジーとコントローラの非自明な相互作用のため、最適なソフトモジュラーロボットの設計は困難である。 進化的アルゴリズム(EA)と物理シミュレータの組み合わせは、この問題を克服するための有効なツールである。 本研究は,2つのロボット作業,すなわち目標到達と狭い通路のスキューズングのための,テンセグリティソフトモジュールロボット(TSMR)の共進化設計における品質多様性向上のためのアルゴリズム的解について検討する。 この目的のために、MAP-Elites と Viability Evolution (ViE) と NEAT (ViE-NEAT) の3つの異なる EA を使用し、ロボット形態学とニューラルネットワーク(NN) ベースのコントローラを共進化させながら多様性を求めることを考案した。 詳しくは、DM-MEはMAP-Elitesを拡張し、それぞれ形態学とコントローラを参照する2つの特徴マップを使用し、NN関連の特徴記述子を自動的に定義するメカニズムを統合する。 適合性を考慮すると、ゴール取得タスクViE-NEATはMAP-Elitesを上回り、DM-MEに相当する結果が得られる。 代わりに、特徴空間の「照明」の観点から多様性を考えると、DM-MEは両方のタスクにおいて他の2つのアルゴリズムよりも優れており、ロボット設計の豊富なプールを提供し、一方、ViE-NEATはゴール到達時のMAP-Elitesに匹敵する性能を示しているが、地図は利用していない。

関連論文リスト

• Generative Diffusion-based Contract Design for Efficient AI Twins Migration in Vehicular Embodied AI Networks [55.15079732226397]
  Embodied AIは、サイバースペースと物理空間のギャップを埋める、急速に進歩する分野だ。 VEANETでは、組み込まれたAIツインが車載AIアシスタントとして機能し、自律運転をサポートするさまざまなタスクを実行する。
  論文  参考訳（メタデータ） (2024-10-02T02:20:42Z)
• Understanding fitness landscapes in morpho-evolution via local optima networks [0.1843404256219181]
  モルフォ進化(Morpho-evolution、ME)とは、ロボットの設計とコントローラを同時に最適化し、タスクと環境が与えられた性能を最大化することを指す。 従来の研究では、目的関数に対する性能と評価される設計の多様性に関して、エンコーディングの実証的な比較を行っているが、この結果を説明する試みは行われていない。 移動作業のためのロボットを進化させる際の3つの異なるエンコーディングによって引き起こされるフィットネスランドスケープの構造について検討し、異なるフィットネスランドスケープを探索プロセスで横断できる容易性に新たな光を当てる。
  論文  参考訳（メタデータ） (2024-02-12T17:26:35Z)
• RLEEGNet: Integrating Brain-Computer Interfaces with Adaptive AI for Intuitive Responsiveness and High-Accuracy Motor Imagery Classification [0.0]
  本稿では,Deep Q-Networks (DQN) を用いた強化学習を分類タスクに活用するフレームワークを提案する。 本稿では,OVR(One-Versus-The-Rest)方式で,マルチクラス運動画像(MI)分類のための前処理手法を提案する。 DQNと1D-CNN-LSTMアーキテクチャの統合は意思決定プロセスをリアルタイムで最適化する。
  論文  参考訳（メタデータ） (2024-02-09T02:03:13Z)
• UniM$^2$AE: Multi-modal Masked Autoencoders with Unified 3D Representation for 3D Perception in Autonomous Driving [47.590099762244535]
  Masked Autoencoders (MAE)は、強力な表現の学習において重要な役割を担い、様々な3D知覚タスクにおいて優れた結果をもたらす。 この研究は、自律運転における統一された表現空間に適したマルチモーダルのMasked Autoencodersに展開する。 画像に固有のセマンティクスとLiDAR点雲の幾何学的複雑さを複雑に結合するため,UniM$2$AEを提案する。
  論文  参考訳（メタデータ） (2023-08-21T02:13:40Z)
• SoftZoo: A Soft Robot Co-design Benchmark For Locomotion In Diverse Environments [111.91255476270526]
  我々は,多様な環境下での移動を支援するソフトロボットの共同設計プラットフォームであるSoftZooを紹介する。 SoftZooは、平らな地面、砂漠、湿地、粘土、氷、雪、浅い水、海などの環境をシミュレートする機能など、自然にヒントを得た幅広い素材セットをサポートしている。 それは、高速な移動、アジャイルな回転、パスフォローなど、ソフトロボティクスに関連するさまざまなタスクを提供し、形態学と制御のための微分可能な設計表現を提供する。
  論文  参考訳（メタデータ） (2023-03-16T17:59:50Z)
• Training Diverse High-Dimensional Controllers by Scaling Covariance Matrix Adaptation MAP-Annealing [12.90845054806193]
  シミュレーションでさまざまなニューラルネットワークコントローラを事前トレーニングすることで、ロボットはロボットの移動タスクの損傷にオンラインで適応することが可能になった。 進化戦略(ES)に基づく品質多様性アルゴリズムであるCMA-MAEは、これらの制限を持たず、標準的なQDベンチマークで最先端のパフォーマンスを達成した。 我々は高次元にスケールする3つの新しいCMA-MAE変種を提案する。
  論文  参考訳（メタデータ） (2022-10-06T01:03:01Z)
• Joint Spatial-Temporal and Appearance Modeling with Transformer for Multiple Object Tracking [59.79252390626194]
  本稿ではTransSTAMという新しい手法を提案する。Transformerを利用して各オブジェクトの外観特徴とオブジェクト間の空間的時間的関係の両方をモデル化する。 提案手法はMOT16, MOT17, MOT20を含む複数の公開ベンチマークで評価され, IDF1とHOTAの両方で明確な性能向上を実現している。
  論文  参考訳（メタデータ） (2022-05-31T01:19:18Z)
• Intelligent Trajectory Design for RIS-NOMA aided Multi-robot Communications [59.34642007625687]
  目的は,ロボットの軌道とNOMA復号命令を協調的に最適化することで,マルチロボットシステムにおける全軌道の総和率を最大化することである。 ARIMAモデルとDouble Deep Q-network (D$3$QN)アルゴリズムを組み合わせたML方式を提案する。
  論文  参考訳（メタデータ） (2022-05-03T17:14:47Z)
• Deep Multi-task Multi-label CNN for Effective Facial Attribute Classification [53.58763562421771]
  DMM-CNN(ディープ・マルチタスク・マルチラベル・CNN)による効果的な顔属性分類(FAC)を提案する。 具体的には、DMM-CNNは、2つの密接に関連するタスク(顔のランドマーク検出とFAC)を共同で最適化し、マルチタスク学習を活用することにより、FACの性能を向上させる。 2つの異なるネットワークアーキテクチャは2つの属性のグループの特徴を抽出するために設計され、トレーニング中に各顔属性に損失重みを自動的に割り当てる新しい動的重み付け方式が提案されている。
  論文  参考訳（メタデータ） (2020-02-10T12:34:16Z)

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。