Fugu-MT 論文翻訳(概要): Adaptation of Quadruped Robot Locomotion with Meta-Learning

論文の概要: Adaptation of Quadruped Robot Locomotion with Meta-Learning

arxiv url: http://arxiv.org/abs/2107.03741v1
Date: Thu, 8 Jul 2021 10:37:18 GMT
ステータス: 処理完了
システム内更新日: 2021-07-09 18:24:39.703648
Title: Adaptation of Quadruped Robot Locomotion with Meta-Learning
Title（参考訳）: メタラーニングによる四足歩行ロボットの適応
Authors: Arsen Kuzhamuratov, Dmitry Sorokin, Alexander Ulanov, A. I. Lvovsky
Abstract要約: 本研究では,多岐にわたる移動課題を解くロボットの訓練にメタ強化学習を用いることを実証する。メタトレーニングロボットのパフォーマンスは、単一のタスクでトレーニングされたロボットと似ている。
参考スコア（独自算出の注目度）: 64.71260357476602
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Animals have remarkable abilities to adapt locomotion to different terrains and tasks. However, robots trained by means of reinforcement learning are typically able to solve only a single task and a transferred policy is usually inferior to that trained from scratch. In this work, we demonstrate that meta-reinforcement learning can be used to successfully train a robot capable to solve a wide range of locomotion tasks. The performance of the meta-trained robot is similar to that of a robot that is trained on a single task.
Abstract（参考訳）: 動物は異なる地形やタスクに移動を適応させる能力がある。しかし、強化学習によって訓練されたロボットは、通常、1つのタスクのみを解決でき、移行ポリシーは、通常、スクラッチから訓練されたものよりも劣っている。本研究では,多種多様なロコモーション課題を解決することができるロボットの訓練にメタリフォースメント学習を活用できることを実証する。メタ訓練されたロボットの性能は、1つのタスクで訓練されたロボットのそれと似ている。

関連論文リスト

Generalized Animal Imitator: Agile Locomotion with Versatile Motion Prior [14.114972332185044]
本稿では,様々なアジャイルロコモーションタスクを組み込んだ強化学習フレームワークであるVersatile Motion Prior (VIM)を紹介する。本フレームワークは,動物の動作や手作業による動作を模倣することにより,多様なアジャイルの低レベルスキルを学習することを可能にする。シミュレーション環境と実環境の両方にまたがるVIMフレームワークの評価を行った。
論文参考訳（メタデータ） (2023-10-02T17:59:24Z)
RoboCat: A Self-Improving Generalist Agent for Robotic Manipulation [33.10577695383743]
ロボット操作のためのマルチタスク汎用エージェントRoboCatを提案する。このデータは、シミュレートされた本物のロボットアームから、さまざまな観察とアクションのセットでモーターコントロールスキルの大規模なレパートリーにまたがる。 RoboCatでは、ゼロショットだけでなく、100-1000例のみを用いて適応することで、新しいタスクやロボットに一般化する能力を実証する。
論文参考訳（メタデータ） (2023-06-20T17:35:20Z)
Barkour: Benchmarking Animal-level Agility with Quadruped Robots [70.97471756305463]
脚付きロボットのアジリティを定量化するための障害物コースであるBarkourベンチマークを導入する。犬の機敏性の競争に触発され、様々な障害と時間に基づくスコアリング機構から構成される。ベンチマークに対処する2つの方法を提案する。
論文参考訳（メタデータ） (2023-05-24T02:49:43Z)
HERD: Continuous Human-to-Robot Evolution for Learning from Human Demonstration [57.045140028275036]
本研究では,マイクロ進化的強化学習を用いて,操作スキルを人間からロボットに伝達可能であることを示す。本稿では,ロボットの進化経路とポリシーを協調的に最適化する多次元進化経路探索アルゴリズムを提案する。
論文参考訳（メタデータ） (2022-12-08T15:56:13Z)
Lifelong Robotic Reinforcement Learning by Retaining Experiences [61.79346922421323]
多くのマルチタスク強化学習は、ロボットが常にすべてのタスクからデータを収集できると仮定している。本研究では,物理ロボットシステムの実用的制約を動機として,現実的なマルチタスクRL問題について検討する。我々は、ロボットのスキルセットを累積的に成長させるために、過去のタスクで学んだデータとポリシーを効果的に活用するアプローチを導出する。
論文参考訳（メタデータ） (2021-09-19T18:00:51Z)
Learning Locomotion Skills in Evolvable Robots [10.167123492952694]
本稿では,任意の形状のモジュール型ロボットが目標に向かって歩いたり,移動した場合にこの目標に従うことを学習できるようにするための,コントローラアーキテクチャと汎用学習手法を提案する。我々のアプローチは、現実世界の3つのシナリオにおいて、クモ、ヤモリ、そしてその子孫の3つのロボットに対して検証されている。
論文参考訳（メタデータ） (2020-10-19T14:01:50Z)
Learning Agile Locomotion via Adversarial Training [59.03007947334165]
本稿では,四足歩行ロボット(主人公)が他のロボット(敵)を追いかけるのを学習し,後者が逃げることを学習するマルチエージェント学習システムを提案する。この敵対的なトレーニングプロセスは、アジャイルの振る舞いを促進するだけでなく、退屈な環境設計の努力を効果的に軽減します。 1つの敵のみを使用した以前の作品とは対照的に、異なる逃走戦略を専門とする敵のアンサンブルを訓練することは、主人公がアジリティを習得するために不可欠である。
論文参考訳（メタデータ） (2020-08-03T01:20:37Z)
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)

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。