論文の概要: Behavior Trees in Robot Control Systems
- arxiv url: http://arxiv.org/abs/2203.13083v1
- Date: Thu, 24 Mar 2022 14:16:15 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-25 14:42:23.138852
- Title: Behavior Trees in Robot Control Systems
- Title（参考訳）: ロボット制御システムにおける行動ツリー
- Authors: Petter \"Ogren and Christopher I. Sprague
- Abstract要約: 振舞い木の主な考え方は、モジュラリティ、階層、フィードバックを活用することである。
ロボットタスクは、しばしばサブタスクの階層に分解されるため、そのようなモジュールの階層は自然である。
フィードバック制御は、低レベル制御システムにおける不確実性と障害を扱うための基本的なツールである。
- 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: In this paper we will give a control theoretic perspective on the research
area of behavior trees in robotics. The key idea underlying behavior trees is
to make use of modularity, hierarchies and feedback, in order to handle the
complexity of a versatile robot control system. Modularity is a well-known tool
to handle software complexity by enabling development, debugging and extension
of separate modules without having detailed knowledge of the entire system. A
hierarchy of such modules is natural, since robot tasks can often be decomposed
into a hierarchy of sub-tasks. Finally, feedback control is a fundamental tool
for handling uncertainties and disturbances in any low level control system,
but in order to enable feedback control on the higher level, where one module
decides what submodule to execute, information regarding progress and
applicability of each submodule needs to be shared in the module interfaces. We
will describe how these three concepts come to use in theoretical analysis,
practical design, as well as extensions and combinations with other ideas from
control theory and robotics.
- Abstract（参考訳）: 本稿では,ロボット工学における行動木の研究領域について,制御理論の観点から考察する。
ビヘイビアツリーの根底にある重要なアイデアは,汎用的なロボット制御システムの複雑性に対処するために,モジュール性や階層性,フィードバックを活用することだ。
モジュール性は、システム全体に関する詳細な知識を必要とせず、別々のモジュールの開発、デバッグ、拡張を可能にすることで、ソフトウェアの複雑さを扱うためのよく知られたツールである。
ロボットタスクは、しばしばサブタスクの階層に分解されるため、そのようなモジュールの階層は自然である。
最後に、フィードバック制御は、低レベルの制御システムの不確実性や障害を扱うための基本的なツールであるが、より高いレベルのフィードバック制御を可能にするために、1つのモジュールがどのサブモジュールを実行するかを決め、各サブモジュールの進捗や適用可能性に関する情報をモジュールインターフェースで共有する必要がある。
これら3つの概念がどのようにして理論解析や実用設計、制御理論やロボット工学の他の概念と組み合わせて使われるのかを説明する。
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) - RoboCodeX: Multimodal Code Generation for Robotic Behavior Synthesis [102.1876259853457]
汎用ロボット行動合成のための木構造多モードコード生成フレームワークRoboCodeXを提案する。
RoboCodeXは、高レベルの人間の命令を複数のオブジェクト中心の操作ユニットに分解する。
概念的および知覚的理解を制御コマンドにマッピングする能力をさらに強化するため、事前学習のための特別なマルチモーダル推論データセットを収集し、教師付き微調整のための反復的自己更新手法を導入する。
論文 参考訳（メタデータ） (2024-02-25T15:31:43Z) - Pangu-Agent: A Fine-Tunable Generalist Agent with Structured Reasoning [50.47568731994238]
人工知能(AI)エージェント作成の鍵となる方法は強化学習(RL)である
本稿では,構造化推論をAIエージェントのポリシーに統合し,学習するための一般的なフレームワークモデルを提案する。
論文 参考訳（メタデータ） (2023-12-22T17:57:57Z) - An Extended Convergence Result for Behaviour Tree Controllers [0.0]
振舞い木(BT)は階層的なハイブリッド制御ポリシーを組み立てるための最適なモジュラー・フレームワークである。
我々は、状態空間の所望部分に到達するという意味で、BTsの収束について研究する。
論文 参考訳（メタデータ） (2023-08-17T14:05:45Z) - Modular Deep Learning [120.36599591042908]
トランスファーラーニングは近年、機械学習の主要なパラダイムとなっている。
負の干渉を伴わずに複数のタスクを専門とするモデルを開発する方法はまだ不明である。
これらの課題に対する有望な解決策として、モジュール型ディープラーニングが登場した。
論文 参考訳（メタデータ） (2023-02-22T18:11:25Z) - Versatile modular neural locomotion control with fast learning [6.85316573653194]
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。
論文 参考訳（メタデータ） (2021-07-16T12:12:28Z) - Neural Function Modules with Sparse Arguments: A Dynamic Approach to
Integrating Information across Layers [84.57980167400513]
Neural Function Modules (NFM)は、ディープラーニングに同じ構造機能を導入することを目的としている。
トップダウンとボトムアップのフィードバックを組み合わせたフィードフォワードネットワークのコンテキストにおける作業のほとんどは、分類の問題に限られている。
私たちの仕事の重要な貢献は、フレキシブルなアルゴリズムで注意、疎結合、トップダウン、ボトムアップのフィードバックを組み合わせることです。
論文 参考訳（メタデータ） (2020-10-15T20:43:17Z) - Deep Imitation Learning for Bimanual Robotic Manipulation [70.56142804957187]
本稿では,ロボットによるバイマニュアル操作のための深層模倣学習フレームワークを提案する。
中心となる課題は、操作スキルを異なる場所にあるオブジェクトに一般化することである。
i)マルチモーダルダイナミクスを要素運動プリミティブに分解し、(ii)リカレントグラフニューラルネットワークを用いて各プリミティブをパラメータ化して相互作用を捕捉し、(iii)プリミティブを逐次的に構成する高レベルプランナと、プリミティブダイナミクスと逆運動学制御を組み合わせた低レベルコントローラを統合することを提案する。
論文 参考訳（メタデータ） (2020-10-11T01:40:03Z) - One Policy to Control Them All: Shared Modular Policies for
Agent-Agnostic Control [47.78262874364569]
我々は,多種多様なエージェント形態制御を一般化できる単一のグローバルポリシーが存在するかどうかを考察する。
我々は,このグローバルポリシを,同種のモジュール型ニューラルネットワークの集合として表現することを提案する。
複数の平面エージェントに対して,単一のモジュラポリシでロコモーション動作を生成可能であることを示す。
論文 参考訳（メタデータ） (2020-07-09T17:59:35Z)
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。