論文の概要: The Effects of the Environment and Linear Actuators on Robot
Morphologies
- arxiv url: http://arxiv.org/abs/2204.00934v3
- Date: Fri, 26 Aug 2022 15:07:12 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-20 00:43:54.660312
- Title: The Effects of the Environment and Linear Actuators on Robot
Morphologies
- Title(参考訳): ロボット形態に及ぼす環境とリニアアクチュエータの影響
- Authors: Steven Oud and Koen van der Pool
- Abstract要約: 既存のRoboGenフレームワーク(リニアアクチュエータ)に骨格筋にインスパイアされた新しいモジュールを追加する効果について検討した。
ロボットは, 粗い環境下で進化し, 粗い環境下で進化した。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The field of evolutionary robotics uses principles of natural evolution to
design robots. In this paper, we study the effect of adding a new module
inspired by the skeletal muscle to the existing RoboGen framework: the linear
actuator. Additionally, we investigate how robots evolved in a plain
environment differ from robots evolved in a rough environment. We consider the
task of directed locomotion for comparing evolved robot morphologies. The
results show that the addition of the linear actuator does not have a
significant impact on the performance and morphologies of robots evolved in a
plain environment. However, we find significant differences in the morphologies
of robots evolved in a plain environment and robots evolved in a rough
environment. We find that more complex behavior and morphologies emerge when we
change the terrain of the environment.
- Abstract(参考訳): 進化ロボティクスの分野は、自然進化の原理を使ってロボットを設計する。
本稿では,既存のRoboGenフレームワークに骨格筋にインスパイアされた新しいモジュール(リニアアクチュエータ)を追加する効果について検討する。
さらに, 荒れた環境下で進化したロボットとは異なる環境下で進化したロボットについて検討する。
進化したロボット形態を比較するための方向移動の課題を考察する。
その結果, 線形アクチュエータの追加は, 通常の環境下で進化したロボットの性能や形態に大きな影響を及ぼさないことがわかった。
しかし, 粗い環境下で進化したロボットと, 粗い環境下で進化したロボットの形態に有意な差異が認められた。
環境の地形を変えると、より複雑な行動や形態が生まれます。
関連論文リスト
- Body Transformer: Leveraging Robot Embodiment for Policy Learning [51.531793239586165]
ボディートランスフォーマー(ボディートランスフォーマー、Body Transformer、BoT)は、学習プロセスを導く誘導バイアスを提供することで、ロボットの体現性を活用するアーキテクチャである。
我々はロボットの体をセンサーとアクチュエータのグラフとして表現し、建築全体を通してプール情報にマスキングされた注意を頼りにしている。
結果として得られるアーキテクチャは、バニラ変換器と古典的な多層パーセプトロンを、タスク完了、スケーリング特性、計算効率の点で上回る。
論文 参考訳(メタデータ) (2024-08-12T17:31:28Z) - Evolution and learning in differentiable robots [0.0]
我々は、異なるシミュレーションを用いて、多数の候補体計画において、行動の個々の神経制御を迅速かつ同時に最適化する。
個体群における各ロボットの機械的構造の変化は,探索の外ループに遺伝的アルゴリズムを適用した。
シミュレーションで発見された非常に微分可能な形態の1つは、物理ロボットとして実現され、その最適化された振る舞いを維持できた。
論文 参考訳(メタデータ) (2024-05-23T15:45:43Z) - DiffuseBot: Breeding Soft Robots With Physics-Augmented Generative
Diffusion Models [102.13968267347553]
本稿では,様々なタスクにおいて優れたソフトロボット形態を生成する物理拡張拡散モデルであるDiffuseBotを提案する。
我々は、その能力とともに、シミュレーションされた、そして製造された様々なロボットを紹介します。
論文 参考訳(メタデータ) (2023-11-28T18:58:48Z) - 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) - Synthesis and Execution of Communicative Robotic Movements with
Generative Adversarial Networks [59.098560311521034]
我々は、繊細な物体を操作する際に人間が採用するのと同じキネマティクス変調を2つの異なるロボットプラットフォームに転送する方法に焦点を当てる。
我々は、ロボットのエンドエフェクターが採用する速度プロファイルを、異なる特徴を持つ物体を輸送する際に人間が何をするかに触発されて調整する。
我々は、人体キネマティクスの例を用いて訓練され、それらを一般化し、新しい有意義な速度プロファイルを生成する、新しいジェネレーティブ・アドバイサル・ネットワークアーキテクチャを利用する。
論文 参考訳(メタデータ) (2022-03-29T15:03:05Z) - 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) - Evolution Gym: A Large-Scale Benchmark for Evolving Soft Robots [29.02903745467536]
ソフトロボットの設計と制御を最適化する最初の大規模ベンチマークであるEvolution Gymを提案する。
私たちのベンチマーク環境は、様々な種類の地形の移動や操作など、幅広いタスクにまたがっています。
我々は,最先端設計最適化手法と深層強化学習手法を組み合わせることで,複数のロボット共進化アルゴリズムを開発した。
論文 参考訳(メタデータ) (2022-01-24T18:39:22Z) - Minimizing Energy Consumption Leads to the Emergence of Gaits in Legged
Robots [71.61319876928009]
実四足歩行ロボットにおいて,エネルギー消費を最小化するための学習が自然移動歩行の出現に重要な役割を担っていることを示す。
創発的な足跡は理想的な地形で構築されており、馬や羊のものと似ている。
同じアプローチは、動物運動制御の発見と一致した荒地における非構造的な歩行につながる。
論文 参考訳(メタデータ) (2021-10-25T17:59:58Z) - The Dynamic of Body and Brain Co-Evolution [0.0]
本稿では,ロボットの身体と制御特性の共進化を可能にする手法を提案する。
ロボットの形態的特性を手作業で設計した形態的バプランに適応させたり、形態的バプランを進化させたりすることができる。
以上の結果から,共適応体と制御特性を持つロボットは,手作り形態が固定されたロボットよりも優れていたことが示唆された。
論文 参考訳(メタデータ) (2020-11-23T14:41:57Z) - Morphological Development at the Evolutionary Timescale: Robotic
Developmental Evolution [5.000272778136268]
我々は、系統学的時間スケールで発生する発達過程を設計することを提案する。
成体ロボットのみによる進化的探索よりも、より良く質的に異なる歩行を生み出すことが示される。
提案手法は概念的には単純であり,小人数のロボットに有効である。
論文 参考訳(メタデータ) (2020-10-28T11:24:23Z) - Environmental Adaptation of Robot Morphology and Control through
Real-world Evolution [5.08706161686979]
機械的に自己再構成された四足歩行ロボットに形態学と制御の組み合わせを得るために進化探索を適用した。
2つの異なる物理曲面上の解を進化させ、制御と形態の両方の観点から結果を解析する。
論文 参考訳(メタデータ) (2020-03-30T07:57:19Z)
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。