論文の概要: Evolving Modular Soft Robots without Explicit Inter-Module Communication using Local Self-Attention

• arxiv url: http://arxiv.org/abs/2204.06481v1
• Date: Wed, 13 Apr 2022 16:03:39 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-17 02:45:18.925674
• Title: Evolving Modular Soft Robots without Explicit Inter-Module Communication using Local Self-Attention
• Title（参考訳）: 局所的セルフアテンションを用いたモジュール間通信を明示しないモジュール型ソフトロボットの進化
• Authors: Federico Pigozzi and Yujin Tang and Eric Medvet and David Ha
• Abstract要約: 我々はVoxel-based Soft Robots(VSR)に焦点を当てる それぞれのボクセル内で同じニューラルコントローラを使用しますが、ボクセル間通信はありません。 進化したロボットが移動作業に有効であることを実験的に示す。
• 参考スコア（独自算出の注目度）: 9.503773054285556
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Modularity in robotics holds great potential. In principle, modular robots can be disassembled and reassembled in different robots, and possibly perform new tasks. Nevertheless, actually exploiting modularity is yet an unsolved problem: controllers usually rely on inter-module communication, a practical requirement that makes modules not perfectly interchangeable and thus limits their flexibility. Here, we focus on Voxel-based Soft Robots (VSRs), aggregations of mechanically identical elastic blocks. We use the same neural controller inside each voxel, but without any inter-voxel communication, hence enabling ideal conditions for modularity: modules are all equal and interchangeable. We optimize the parameters of the neural controller-shared among the voxels-by evolutionary computation. Crucially, we use a local self-attention mechanism inside the controller to overcome the absence of inter-module communication channels, thus enabling our robots to truly be driven by the collective intelligence of their modules. We show experimentally that the evolved robots are effective in the task of locomotion: thanks to self-attention, instances of the same controller embodied in the same robot can focus on different inputs. We also find that the evolved controllers generalize to unseen morphologies, after a short fine-tuning, suggesting that an inductive bias related to the task arises from true modularity.
• Abstract（参考訳）: ロボット工学におけるモジュラリティは大きな可能性を秘めている。 原則として、モジュールロボットは異なるロボットで分解、再組み立てされ、新しいタスクを実行することができる。 コントローラは通常モジュール間通信に依存しており、モジュールが完全に互換性がなく、柔軟性が制限される実践的な要件である。 本稿では,機械的に同一の弾性ブロックの集合であるVoxel-based Soft Robots(VSR)に着目した。 それぞれのボクセル内で同じニューラルコントローラを使用するが、ボクセル間通信がないため、モジュラリティの理想的な条件を実現している。 ボクセル間のニューラルネットワーク共有のパラメータを進化計算により最適化する。 重要なのは,モジュール間通信チャネルの欠如を克服するために,コントローラ内のローカルな自己着信機構を使用することで,モジュールの集団的知性によってロボットを真に駆動可能にすることです。 進化したロボットは、自覚のおかげで、同じロボットに具現化された同じコントローラーのインスタンスは、異なる入力に集中することができる。 また、進化したコントローラは、短い微調整の後、未発見の形態へと一般化し、タスクに関連する帰納的バイアスが真のモジュラリティから生じることを示唆する。

関連論文リスト

• Unifying 3D Representation and Control of Diverse Robots with a Single Camera [48.279199537720714]
  我々は,ロボットを視覚のみからモデル化し,制御することを自律的に学習するアーキテクチャであるNeural Jacobian Fieldsを紹介する。 提案手法は,正確なクローズドループ制御を実現し,各ロボットの因果動的構造を復元する。
  論文  参考訳（メタデータ） (2024-07-11T17:55:49Z)
• 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)
• Modular Controllers Facilitate the Co-Optimization of Morphology and Control in Soft Robots [0.5076419064097734]
  モジュール型コントローラはロボットのボディプランの変更に対してより堅牢であることを示す。 モジュラーコントローラの同様のボディプランへの移動性の向上は、ソフトロボットのより効果的な脳と身体の協調最適化を可能にする。
  論文  参考訳（メタデータ） (2023-06-12T16:36:46Z)
• 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)
• 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)
• MetaMorph: Learning Universal Controllers with Transformers [45.478223199658785]
  ロボット工学では、主に1つのタスクのために1つのロボットを訓練します。 モジュラーロボットシステムは、汎用的なビルディングブロックをタスク最適化形態に柔軟な組み合わせを可能にする。 モジュール型ロボット設計空間上でユニバーサルコントローラを学習するためのトランスフォーマーベースのアプローチであるMetaMorphを提案する。
  論文  参考訳（メタデータ） (2022-03-22T17:58:31Z)
• Malleable Agents for Re-Configurable Robotic Manipulators [0.0]
  本稿では,深部ニューラルネットワークにシーケンスニューラルネットワークを組み込んだRLエージェントを提案する。 ドメインランダム化の新たなツールにより、このエージェントはリンクの数/長さやダイナミックスノイズの異なる構成に適応する。
  論文  参考訳（メタデータ） (2022-02-04T21:22:00Z)
• 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)
• 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)
• Populations of Spiking Neurons for Reservoir Computing: Closed Loop Control of a Compliant Quadruped [64.64924554743982]
  本稿では,ニューラルネットワークを用いた中央パターン生成機構を実装し,閉ループロボット制御を実現するためのフレームワークを提案する。 本研究では,従順な四足歩行ロボットのシミュレーションモデル上で,予め定義された歩行パターン,速度制御,歩行遷移の学習を実演する。
  論文  参考訳（メタデータ） (2020-04-09T14:32:49Z)

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。