論文の概要: A Unified Substrate for Body-Brain Co-evolution
- arxiv url: http://arxiv.org/abs/2203.12066v1
- Date: Tue, 22 Mar 2022 21:57:59 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-26 04:44:54.509603
- Title: A Unified Substrate for Body-Brain Co-evolution
- Title（参考訳）: 身体-脳共進化のための統一基材
- Authors: Sidney Pontes-Filho, Kathryn Walker, Elias Najarro, Stefano Nichele
and Sebastian Risi
- Abstract要約: 単一神経セルオートマトン(NCA)をモジュール型ロボットエージェントのゲノムとして導入する。
NCAは、ロボットの成長と、展開中にロボットを制御する細胞活動のガイドとなる。
3つのベンチマーク環境を導入し、異なるロボット形態を育むためのアプローチの能力を検証した。
- 参考スコア（独自算出の注目度）: 8.57218255651212
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: A successful development of a complex multicellular organism took millions of
years of evolution. The genome of such a multicellular organism guides the
development of its body from a single cell, including its control system. Our
goal is to imitate this natural process using a single neural cellular
automaton (NCA) as a genome for modular robotic agents. In the introduced
approach, called Neural Cellular Robot Substrate (NCRS), a single NCA guides
the growth of a robot and the cellular activity which controls the robot during
deployment. We also introduce three benchmark environments, which test the
ability of the approach to grow different robot morphologies. We evolve the
NCRS with covariance matrix adaptation evolution strategy (CMA-ES), and
covariance matrix adaptation MAP-Elites (CMA-ME) for quality diversity and
observe that CMA-ME generates more diverse robot morphologies with higher
fitness scores. While the NCRS is able to solve the easier tasks in the
benchmark, the success rate reduces when the difficulty of the task increases.
We discuss directions for future work that may facilitate the use of the NCRS
approach for more complex domains.
- Abstract（参考訳）: 複雑な多細胞生物の開発には数百万年を要した。
このような多細胞生物のゲノムは、その制御システムを含む単一の細胞から体の発達を誘導する。
私たちの目標は、モジュール型ロボットエージェントのゲノムとして、単一の神経細胞オートマトン(nca)を使って、この自然なプロセスを模倣することです。
導入されたアプローチであるNCRS(Neural Cellular Robot Substrate)では、単一のNAAが、ロボットの成長と、デプロイメント中にロボットを制御する細胞活動をガイドする。
また、3つのベンチマーク環境を導入し、異なるロボット形態を育むためのアプローチの能力をテストする。
我々は,共分散行列適応進化戦略(CMA-ES)と品質多様性のための共分散行列適応MAP-Elites(CMA-ME)を用いてNCRSを進化させ,CMA-MEがより多様なロボット形態を生成することを観察した。
NCRSはベンチマークで簡単なタスクを解くことができるが、タスクの難しさが増加すると成功率が低下する。
我々は、NCRSアプローチをより複雑なドメインに活用するための今後の取り組みについて論じる。
関連論文リスト
- Astrocyte Regulated Neuromorphic Central Pattern Generator Control of
Legged Robotic Locomotion [3.7814142008074954]
本稿では,四足歩行ロボットの移動歩行を学習するためのアストロサイト制御スパイキングニューラルネットワーク(SNN)を用いた CPG を提案する。
SNNベースのCPGは、多目的物理シミュレーションプラットフォーム上でシミュレーションされ、平地でロボットを走らせながらトロッティング歩行が出現する。
最先端の強化学習に基づくロボット制御アルゴリズムと比較して、23.3Times$計算パワーセーブが観測される。
論文 参考訳（メタデータ） (2023-12-25T20:33:16Z) - RoboGen: Towards Unleashing Infinite Data for Automated Robot Learning via Generative Simulation [68.70755196744533]
RoboGenはジェネレーティブなロボットエージェントで、ジェネレーティブなシミュレーションを通じて、さまざまなロボットのスキルを自動的に学習する。
我々の研究は、大規模モデルに埋め込まれた広範囲で多目的な知識を抽出し、それらをロボット工学の分野に移す試みである。
論文 参考訳（メタデータ） (2023-11-02T17:59:21Z) - CycleIK: Neuro-inspired Inverse Kinematics [12.29529468290859]
CycleIKは、逆運動学(Inverse Kiinematics, IK)タスクのための2つの新しい神経誘発手法をラップする神経ロボティックアプローチである。
我々は、これらをハイブリッド神経遺伝IKパイプラインに組み込むことによって、さらなる最適化を実現する方法を示す。
論文 参考訳（メタデータ） (2023-07-21T13:03:27Z) - Universal Morphology Control via Contextual Modulation [52.742056836818136]
異なるロボット形態をまたいだ普遍的なポリシーの学習は、継続的な制御における学習効率と一般化を著しく向上させることができる。
既存の手法では、グラフニューラルネットワークやトランスフォーマーを使用して、異種状態と異なる形態のアクション空間を処理する。
本稿では,この依存関係を文脈変調によりモデル化する階層型アーキテクチャを提案する。
論文 参考訳（メタデータ） (2023-02-22T00:04:12Z) - Co-evolving morphology and control of soft robots using a single genome [0.0]
本稿では,ロボットの形態と制御を共進化させる新しい手法を提案する。
本手法は,1つのゲノムからエージェントの「脳」と「体」の両方を抽出し,それらを同時に開発する。
提案手法を4つのタスクで評価し,探索空間が大きくても1つのゲノムを持つと進化過程の収束が早くなることを示した。
論文 参考訳（メタデータ） (2022-12-22T07:34:31Z) - Empowered Neural Cellular Automata [0.0]
エンパワーメントは、エージェントがその環境に与えるコントロールの量を測定する。
神経細胞オートマトンの発展における二次的な目的としてのエンパワーメントの追加は、形態形成のみの進化よりも高い適合性をもたらすことを示す。
論文 参考訳（メタデータ） (2022-04-27T19:37:26Z) - REvolveR: Continuous Evolutionary Models for Robot-to-robot Policy
Transfer [57.045140028275036]
本研究では,運動学や形態学など,異なるパラメータを持つ2つの異なるロボット間でポリシーを伝達する問題を考察する。
模倣学習手法を含む動作や状態遷移の分布を一致させることで、新しいポリシーを訓練する既存のアプローチは、最適な動作や/または状態分布が異なるロボットでミスマッチしているために失敗する。
本稿では,物理シミュレータに実装されたロボット政策伝達に連続的進化モデルを用いることで,$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) - Multi-modal Self-supervised Pre-training for Regulatory Genome Across
Cell Types [75.65676405302105]
我々は、GeneBERTと呼ばれる、多モードかつ自己管理的な方法でゲノムデータを事前学習するための、単純かつ効果的なアプローチを提案する。
我々はATAC-seqデータセットで1700万のゲノム配列でモデルを事前訓練する。
論文 参考訳（メタデータ） (2021-10-11T12:48:44Z) - Towards self-organized control: Using neural cellular automata to
robustly control a cart-pole agent [62.997667081978825]
我々は、カートポールエージェントを制御するために、ニューラルセルオートマトンを使用する。
我々は、Q値の推定値として出力セルの状態を用いる深層学習を用いてモデルを訓練した。
論文 参考訳（メタデータ） (2021-06-29T10:49:42Z) - An Astrocyte-Modulated Neuromorphic Central Pattern Generator for
Hexapod Robot Locomotion on Intel's Loihi [0.0]
移動は、自然界に豊富な生物学的ネットワークによって「不運に」対処される脚のあるロボットにとって重要な課題であり、中央パターンジェネレータ(CPG)と呼ばれる。
そこで本研究では,ヘキサポッドロボットの歩行パターンを2つ生成する網羅的スパイキング型ニューラル・アストロサイトティックネットワークに基づく脳型CPG制御器を提案する。
我々の研究結果は、自律移動ロボットにおいて、この方法や、Loihiが制御するロコモーションへのアプローチを拡大する道を開いた。
論文 参考訳（メタデータ） (2020-06-08T17:35:48Z) - Rapidly Adaptable Legged Robots via Evolutionary Meta-Learning [65.88200578485316]
本稿では,ロボットが動的変化に迅速に適応できるメタ学習手法を提案する。
提案手法は高雑音環境における動的変化への適応性を著しく改善する。
我々は、動的に変化しながら歩くことを学習する四足歩行ロボットに対するアプローチを検証する。
論文 参考訳（メタデータ） (2020-03-02T22:56:27Z)
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。