論文の概要: Versatile modular neural locomotion control with fast learning
- arxiv url: http://arxiv.org/abs/2107.07844v1
- Date: Fri, 16 Jul 2021 12:12:28 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-19 18:56:33.923775
- Title: Versatile modular neural locomotion control with fast learning
- Title（参考訳）: 高速学習による可変モジュール型ニューラルロコモーション制御
- Authors: Mathias Thor, Poramate Manoonpong
- Abstract要約: 脚のついたロボットは、高度に非構造的な環境で動作する大きな可能性を秘めている。
現在、コントローラは、特定のロボットのために手動で設計するか、機械学習メソッドで自動的に設計されなければならない。
高速な学習が可能な,単純かつ多目的なモジュール型ニューラルコントロール構造を提案する。
- 参考スコア（独自算出の注目度）: 6.85316573653194
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Legged robots have significant potential to operate in highly unstructured
environments. The design of locomotion control is, however, still challenging.
Currently, controllers must be either manually designed for specific robots and
tasks, or automatically designed via machine learning methods that require long
training times and yield large opaque controllers. Drawing inspiration from
animal locomotion, we propose a simple yet versatile modular neural control
structure with fast learning. The key advantages of our approach are that
behavior-specific control modules can be added incrementally to obtain
increasingly complex emergent locomotion behaviors, and that neural connections
interfacing with existing modules can be quickly and automatically learned. In
a series of experiments, we show how eight modules can be quickly learned and
added to a base control module to obtain emergent adaptive behaviors allowing a
hexapod robot to navigate in complex environments. We also show that modules
can be added and removed during operation without affecting the functionality
of the remaining controller. Finally, the control approach was successfully
demonstrated on a physical hexapod robot. Taken together, our study reveals a
significant step towards fast automatic design of versatile neural locomotion
control for complex robotic systems.
- Abstract（参考訳）: 脚のあるロボットは、高度に非構造な環境で作動する大きな可能性を秘めている。
しかし、移動制御の設計は依然として難しい。
現在、コントローラーは特定のロボットやタスクのために手動で設計するか、長いトレーニング時間と大きな不透明なコントローラを必要とする機械学習メソッドで自動的に設計されなければならない。
動物の動きからインスピレーションを得て,高速学習によるシンプルかつ多目的なモジュラーニューラルコントロール構造を提案する。
このアプローチの主な利点は、行動特異的な制御モジュールを漸進的に追加して、より複雑な緊急移動動作を得ることができ、既存のモジュールと対面する神経接続を迅速かつ自動的に学習できることです。
一連の実験で、8つのモジュールを迅速に学習し、ベースコントロールモジュールに追加することで、ヘキサポッドロボットが複雑な環境でナビゲートできる創発的適応行動を得る方法を示した。
また、残りのコントローラの機能に影響を与えることなく、操作中にモジュールの追加や削除ができることを示す。
最後に、物理的な六足歩行ロボットで制御手法が実証された。
本研究は,複合ロボットシステムのための多目的神経移動制御の高速自動設計に向けた重要なステップを明らかにする。
関連論文リスト
- MeMo: Meaningful, Modular Controllers via Noise Injection [25.541496793132183]
新たなロボットが同じパーツから構築された場合,モジュール型コントローラを再利用することで,その制御を迅速に学習できることが示される。
私たちはMeMoと呼ばれるフレームワークでこれを実現し、Meは(Me)有界で(Mo)有界なコントローラーを学習します。
我々は,ロボット形態変化の簡易化を目標として,移動環境と把握環境の枠組みをベンチマークした。
論文 参考訳（メタデータ） (2024-05-24T18:39:20Z) - Reinforcement Learning for Versatile, Dynamic, and Robust Bipedal Locomotion Control [106.32794844077534]
本稿では,二足歩行ロボットのための動的移動制御系を構築するために,深層強化学習を用いた研究について述べる。
本研究では、周期歩行やランニングから周期ジャンプや立位に至るまで、様々な動的二足歩行技術に使用できる汎用的な制御ソリューションを開発する。
この研究は、二足歩行ロボットの俊敏性の限界を、現実世界での広範な実験を通じて押し上げる。
論文 参考訳（メタデータ） (2024-01-30T10:48:43Z) - Learning and Adapting Agile Locomotion Skills by Transferring Experience [71.8926510772552]
本稿では,既存のコントローラから新しいタスクを学習するために経験を移譲することで,複雑なロボティクススキルを訓練するためのフレームワークを提案する。
提案手法は,複雑なアジャイルジャンプ行動の学習,後肢を歩いたまま目標地点への移動,新しい環境への適応を可能にする。
論文 参考訳（メタデータ） (2023-04-19T17:37:54Z) - An Adaptable Approach to Learn Realistic Legged Locomotion without
Examples [38.81854337592694]
本研究は,バネ装荷逆振り子モデルを用いて学習プロセスを導くことで,移動における現実性を保証するための汎用的アプローチを提案する。
モデルのない設定であっても、2足歩行ロボットと4足歩行ロボットに対して、学習したポリシーが現実的でエネルギー効率のよい移動歩行を生成できることを示す実験結果を示す。
論文 参考訳（メタデータ） (2021-10-28T10:14:47Z) - Reinforcement Learning for Robust Parameterized Locomotion Control of
Bipedal Robots [121.42930679076574]
シミュレーションにおけるロコモーションポリシをトレーニングするためのモデルフリー強化学習フレームワークを提案する。
ドメインランダム化は、システムダイナミクスのバリエーションにまたがる堅牢な振る舞いを学ぶためのポリシーを奨励するために使用されます。
本研究では、目標歩行速度、歩行高さ、旋回ヨーなどの多目的歩行行動について示す。
論文 参考訳（メタデータ） (2021-03-26T07:14:01Z) - Learning Quadrupedal Locomotion over Challenging Terrain [68.51539602703662]
足の移動はロボティクスの操作領域を劇的に拡張することができる。
足の移動のための従来のコントローラーは、運動プリミティブと反射の実行を明示的にトリガーする精巧な状態マシンに基づいている。
ここでは、自然環境に挑戦する際の足の移動に対して、徹底的に頑健な制御器を提案する。
論文 参考訳（メタデータ） (2020-10-21T19:11:20Z) - Decentralized Deep Reinforcement Learning for a Distributed and Adaptive
Locomotion Controller of a Hexapod Robot [0.6193838300896449]
昆虫運動制御において,異なる脚の協調のための分散型組織を提案する。
同時的な局所構造は、歩行行動を改善することができる。
論文 参考訳（メタデータ） (2020-05-21T11:40:37Z) - Populations of Spiking Neurons for Reservoir Computing: Closed Loop
Control of a Compliant Quadruped [64.64924554743982]
本稿では,ニューラルネットワークを用いた中央パターン生成機構を実装し,閉ループロボット制御を実現するためのフレームワークを提案する。
本研究では,従順な四足歩行ロボットのシミュレーションモデル上で,予め定義された歩行パターン,速度制御,歩行遷移の学習を実演する。
論文 参考訳（メタデータ） (2020-04-09T14:32:49Z) - 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。
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。