論文の概要: Adaptation through prediction: multisensory active inference torque control

• arxiv url: http://arxiv.org/abs/2112.06752v1
• Date: Mon, 13 Dec 2021 16:03:18 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-14 18:20:01.768117
• Title: Adaptation through prediction: multisensory active inference torque control
• Title（参考訳）: 予測による適応:多感覚能動推論トルク制御
• Authors: Cristian Meo, Giovanni Franzese, Corrado Pezzato, Max Spahn and Pablo Lanillos
• Abstract要約: 本稿では,産業用アームのための多感能動型トルクコントローラを提案する。 私たちのコントローラは、予測的脳仮説にインスパイアされ、現在のアクティブな推論アプローチの能力を向上します。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Adaptation to external and internal changes is major for robotic systems in uncertain environments. Here we present a novel multisensory active inference torque controller for industrial arms that shows how prediction can be used to resolve adaptation. Our controller, inspired by the predictive brain hypothesis, improves the capabilities of current active inference approaches by incorporating learning and multimodal integration of low and high-dimensional sensor inputs (e.g., raw images) while simplifying the architecture. We performed a systematic evaluation of our model on a 7DoF Franka Emika Panda robot arm by comparing its behavior with previous active inference baselines and classic controllers, analyzing both qualitatively and quantitatively adaptation capabilities and control accuracy. Results showed improved control accuracy in goal-directed reaching with high noise rejection due to multimodal filtering, and adaptability to dynamical inertial changes, elasticity constraints and human disturbances without the need to relearn the model nor parameter retuning.
• Abstract（参考訳）: 外部および内部の変化への適応は、不確実な環境でのロボットシステムにとって重要である。 本稿では,産業用アームの多センサ能動トルク制御装置について紹介する。 予測脳仮説にインスパイアされた制御器は,アーキテクチャを簡素化しつつ,低次元・高次元センサ入力(生画像など)の学習とマルチモーダル統合を取り入れ,現在の能動推論手法の能力を向上させる。 7DoFのFranka Emika Pandaロボットアームの動作を従来のアクティブな推論ベースラインとクラシックコントローラと比較し,定性的かつ定量的な適応能力と制御精度の両方を解析し,本モデルの系統評価を行った。 その結果,マルチモーダルフィルタリングによる高ノイズ除去,動的慣性変化,弾性制約,人間の外乱に対する適応性が,モデルやパラメータのリチューニングを必要とせず,目標方向到達の制御精度が向上した。

関連論文リスト

• Exploring Latent Pathways: Enhancing the Interpretability of Autonomous Driving with a Variational Autoencoder [79.70947339175572]
  バイオインスパイアされたニューラルサーキットポリシーモデルが革新的な制御モジュールとして登場した。 我々は、変分オートエンコーダとニューラルネットワークポリシーコントローラを統合することで、飛躍的に前進する。 本研究は,変分オートエンコーダへのアーキテクチャシフトに加えて,自動潜時摂動ツールを導入する。
  論文  参考訳（メタデータ） (2024-04-02T09:05:47Z)
• Neuromorphic Control using Input-Weighted Threshold Adaptation [13.237124392668573]
  比例積分微分(PID)コントローラのような基本的な低レベルコントローラでさえ複製することは依然として困難である。 本稿では,学習中に比例経路,積分経路,微分経路を組み込んだニューロモルフィック制御器を提案する。 本研究では,外乱の存在下での飛行によるバイオインスパイアされたアルゴリズムの安定性を実証する。
  論文  参考訳（メタデータ） (2023-04-18T07:21:24Z)
• Active Learning of Discrete-Time Dynamics for Uncertainty-Aware Model Predictive Control [46.81433026280051]
  本稿では,非線形ロボットシステムの力学を積極的にモデル化する自己教師型学習手法を提案する。 我々のアプローチは、目に見えない飛行条件に一貫して適応することで、高いレジリエンスと一般化能力を示す。
  論文  参考訳（メタデータ） (2022-10-23T00:45:05Z)
• End-to-End Learning of Hybrid Inverse Dynamics Models for Precise and Compliant Impedance Control [16.88250694156719]
  剛体力学モデルの物理的に一貫した慣性パラメータを同定できる新しいハイブリッドモデルの定式化を提案する。 7自由度マニピュレータ上での最先端の逆動力学モデルに対する我々のアプローチを比較した。
  論文  参考訳（メタデータ） (2022-05-27T07:39:28Z)
• Adaptive Model Predictive Control by Learning Classifiers [26.052368583196426]
  制御パラメータとモデルパラメータを自動的に推定する適応型MPC変種を提案する。 我々は,BOを密度比推定として定式化できることを示す最近の結果を活用する。 その後、これはモデル予測経路積分制御フレームワークに統合され、様々な困難なロボティクスタスクのための堅牢なコントローラを生成する。
  論文  参考訳（メタデータ） (2022-03-13T23:22:12Z)
• Neural optimal feedback control with local learning rules [67.5926699124528]
  運動制御の大きな問題は、脳がどのように遅延と雑音の刺激に直面して適切な動きを計画し実行するかを理解することである。 本稿では,適応カルマンフィルタとモデル自由制御手法を組み合わせた新しいオンラインアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-11-12T20:02:00Z)
• Multimodal VAE Active Inference Controller [0.0]
  本稿では,産業用アームのアクティブ推論トルク制御装置を提案する。 線形結合型マルチモーダル変分オートエンコーダを用いたマルチモーダル状態表現学習を含む。 結果は、表現力の増加による目標方向到達の追跡と制御の改善を示した。
  論文  参考訳（メタデータ） (2021-03-07T18:00:27Z)
• Neuromorphic adaptive spiking CPG towards bio-inspired locomotion of legged robots [58.720142291102135]
  スパイクセントラルパターンジェネレーターは、外部刺激によって駆動される異なる移動パターンを生成します。 終端ロボットプラットフォーム(あらゆる脚ロボット)の移動は、任意のセンサーを入力として地形に適応することができる。
  論文  参考訳（メタデータ） (2021-01-24T12:44:38Z)
• Risk-Sensitive Sequential Action Control with Multi-Modal Human Trajectory Forecasting for Safe Crowd-Robot Interaction [55.569050872780224]
  本稿では,リスクに敏感な最適制御に基づく安全な群集ロボットインタラクションのためのオンラインフレームワークを提案し,そのリスクをエントロピーリスク尺度でモデル化する。 私たちのモジュラーアプローチは、クラウドとロボットの相互作用を学習ベースの予測とモデルベースの制御に分離します。 シミュレーション研究と実世界の実験により、このフレームワークは、現場にいる50人以上の人間との衝突を避けながら、安全で効率的なナビゲーションを実現することができることが示された。
  論文  参考訳（メタデータ） (2020-09-12T02:02:52Z)
• Learning Compliance Adaptation in Contact-Rich Manipulation [81.40695846555955]
  本稿では,コンタクトリッチタスクに必要な力プロファイルの予測モデルを学習するための新しいアプローチを提案する。 このアプローチは、双方向Gated Recurrent Units (Bi-GRU) に基づく異常検出と適応力/インピーダンス制御を組み合わせたものである。
  論文  参考訳（メタデータ） (2020-05-01T05:23:34Z)

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。