論文の概要: Nano Version Control and Robots of Robots: Data Driven, Regenerative
Production Code
- arxiv url: http://arxiv.org/abs/2110.04755v1
- Date: Sun, 10 Oct 2021 10:37:46 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-12 18:51:28.594193
- Title: Nano Version Control and Robots of Robots: Data Driven, Regenerative
Production Code
- Title(参考訳): ロボットのナノバージョン制御とロボット:データ駆動・再生生産コード
- Authors: Lukasz Machowski and Tshilidzi Marwala
- Abstract要約: コロナパンデミックの反映は、自動化を使ったより持続可能な生産システムの必要性を浮き彫りにしている。
本稿では,持続可能な生産コードを3つのより単純な問題に変換する方法を提案する。
- 参考スコア(独自算出の注目度): 2.451910407959205
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: A reflection of the Corona pandemic highlights the need for more sustainable
production systems using automation. The goal is to retain automation of
repetitive tasks while allowing complex parts to come together. We recognize
the fragility and how hard it is to create traditional automation. We introduce
a method which converts one really hard problem of producing sustainable
production code into three simpler problems being data, patterns and working
prototypes. We use developer seniority as a metric to measure whether the
proposed method is easier. By using agent-based simulation and NanoVC repos for
agent arbitration, we are able to create a simulated environment where patterns
developed by people are used to transform working prototypes into templates
that data can be fed through to create the robots that create the production
code. Having two layers of robots allow early implementation choices to be
replaced as we gather more feedback from the working system. Several benefits
of this approach have been discovered, with the most notable being that the
Robot of Robots encodes a legacy of the person that designed it in the form of
the 3 ingredients (data, patterns and working prototypes). This method allows
us to achieve our goal of reducing the fragility of the production code while
removing the difficulty of getting there.
- Abstract(参考訳): コロナパンデミックの反映は、自動化を使った持続可能な生産システムの必要性を強調している。
目標は、複雑なパーツをまとめながら、反復的なタスクの自動化を維持することです。
私たちは、脆弱さと、従来の自動化を実現するのがいかに難しいかを認識します。
持続可能な生産コードを生成する上で本当に難しい問題の1つを、データ、パターン、作業プロトタイプの3つの単純な問題に変換する方法を紹介します。
提案手法が有用かどうかを測定する指標として,開発者年数を用いる。
エージェントベースのシミュレーションと、エージェントの調停のためのnanovcレポジトリを使用することで、人々が開発するパターンをテンプレートに変換して、データが供給され、生産コードを生成するロボットを作成するためのシミュレーション環境を構築することができる。
ロボットを2層にすることで、作業システムからより多くのフィードバックを集めることで、初期の実装選択を置き換えることができます。
このアプローチの利点はいくつか発見されており、最も注目すべきはロボットのロボットが3つの材料(データ、パターン、プロトタイプ)の形で設計した人物の遺産をエンコードしていることである。
この方法では,運用コードのフレジビリティを低減し,到達の難しさを解消するという,私たちの目標を達成できます。
関連論文リスト
- 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) - DittoGym: Learning to Control Soft Shape-Shifting Robots [30.287452037945542]
我々は、その生涯で形態を変えることができるロボットとして定義された、再構成可能な新しいロボットを探索する。
再構成可能なソフトロボットの制御を高次元強化学習(RL)問題として定式化する。
細かな形態変化を必要とするソフトロボットのための総合的なRLベンチマークであるDittoGymを紹介する。
論文 参考訳(メタデータ) (2024-01-24T05:03:05Z) - RoboGen: Towards Unleashing Infinite Data for Automated Robot Learning
via Generative Simulation [64.51563634951394]
RoboGenはジェネレーティブなロボットエージェントで、ジェネレーティブなシミュレーションを通じて、さまざまなロボットのスキルを自動的に学習する。
我々の研究は、大規模モデルに埋め込まれた広範囲で多目的な知識を抽出し、それらをロボット工学の分野に移す試みである。
論文 参考訳(メタデータ) (2023-11-02T17:59:21Z) - ImitationNet: Unsupervised Human-to-Robot Motion Retargeting via Shared
Latent Space [11.021217430606042]
本稿では,ロボットの動きに対する新しいディープラーニング手法を提案する。
本手法では,新しいロボットへの翻訳を容易にする,人間とロボットのペアデータを必要としない。
我々のモデルは、効率と精度の観点から、人間とロボットの類似性に関する既存の研究よりも優れています。
論文 参考訳(メタデータ) (2023-09-11T08:55:04Z) - Self-Improving Robots: End-to-End Autonomous Visuomotor Reinforcement
Learning [54.636562516974884]
模倣と強化学習において、人間の監督コストは、ロボットが訓練できるデータの量を制限する。
本研究では,自己改善型ロボットシステムのための新しい設計手法であるMEDAL++を提案する。
ロボットは、タスクの実施と解除の両方を学ぶことで、自律的にタスクを練習し、同時にデモンストレーションから報酬関数を推論する。
論文 参考訳(メタデータ) (2023-03-02T18:51:38Z) - 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) - Model Predictive Control for Fluid Human-to-Robot Handovers [50.72520769938633]
人間の快適さを考慮に入れた計画運動は、人間ロボットのハンドオーバプロセスの一部ではない。
本稿では,効率的なモデル予測制御フレームワークを用いてスムーズな動きを生成することを提案する。
ユーザ数名の多様なオブジェクトに対して,人間とロボットのハンドオーバ実験を行う。
論文 参考訳(メタデータ) (2022-03-31T23:08:20Z) - 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) - Know Thyself: Transferable Visuomotor Control Through Robot-Awareness [22.405839096833937]
新しいロボットをスクラッチからトレーニングするためには、通常大量のロボット固有のデータを生成する必要がある。
簡単なロボット「自己認識」を活用する「ロボット認識」ソリューションパラダイムを提案する。
シミュレーションおよび実際のロボットにおけるテーブルトップ操作に関する実験により、これらのプラグインの改善により、ビジュモータコントローラの転送性が劇的に向上することを示した。
論文 参考訳(メタデータ) (2021-07-19T17:56:04Z) - Co-Evolution of Multi-Robot Controllers and Task Cues for Off-World Open
Pit Mining [0.6091702876917281]
本稿では,マルチロボット掘削とサイト準備のシナリオにおいて,スケーラブルなコントローラを開発するための新しい手法を提案する。
コントローラは空白のスレートから始まり、人間による操作スクリプトや、掘削機の運動学や力学の詳細なモデリングを必要としない。
本稿では,テンプレートとタスクキューを用いてグループパフォーマンスをさらに向上し,アンタゴニティを最小化する方法について検討する。
論文 参考訳(メタデータ) (2020-09-19T03:13:28Z)
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。