論文の概要: Shape Change and Control of Pressure-based Soft Agents
- arxiv url: http://arxiv.org/abs/2205.00467v1
- Date: Sun, 1 May 2022 13:36:27 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-03 16:08:44.058242
- Title: Shape Change and Control of Pressure-based Soft Agents
- Title(参考訳): 圧力系ソフトエージェントの形状変化と制御
- Authors: Federico Pigozzi
- Abstract要約: 我々は、新しいソフトボディエージェント形式、すなわち圧力ベースソフトエージェント(PSA)を提案する。
PSAは、バネと質量の連鎖によって包まれたガスの体であり、体の内部から質量を圧力で押し付ける。
丘陵地における移動作業とケージからの脱出作業にPSAのコントローラを最適化する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Biological agents possess bodies that are mostly of soft tissues. Researchers
have resorted to soft bodies to investigate Artificial Life (ALife)-related
questions; similarly, a new era of soft-bodied robots has just begun.
Nevertheless, because of their infinite degrees of freedom, soft bodies pose
unique challenges in terms of simulation, control, and optimization. Here we
propose a novel soft-bodied agents formalism, namely Pressure-based Soft Agents
(PSAs): they are bodies of gas enveloped by a chain of springs and masses, with
pressure pushing on the masses from inside the body. Pressure endows the agents
with structure, while springs and masses simulate softness and allow the agents
to assume a large gamut of shapes. Actuation takes place by changing the length
of springs or modulating global pressure. We optimize the controller of PSAs
for a locomotion task on hilly terrain and an escape task from a cage; the
latter is particularly suitable for soft-bodied agents, as it requires the
agent to contort itself to squeeze through a small aperture. Our results
suggest that PSAs are indeed effective at those tasks and that controlling
pressure is fundamental for shape-changing. Looking forward, we envision PSAs
to play a role in the modeling of soft-bodied agents, including soft robots and
biological cells. Videos of evolved agents are available at
https://pressuresoftagents.github.io.
- Abstract(参考訳): 生体には、主に軟組織からなる体がある。
研究者たちは、ALife(Artificial Life)に関連する問題を調べるために、柔らかい体を頼りにしている。
それでも、自由度が無限にあるため、ソフトボディはシミュレーション、制御、最適化の点でユニークな課題を提起する。
ここでは, 圧力系ソフトエージェント (psas: pressure-based soft agents) という新しいソフトボディエージェント形式を提案する。
圧力はエージェントに構造を与えるが、スプリングと質量は柔らかさをシミュレートし、エージェントは大きな形状を仮定することができる。
作動は春の長さを変えたり、大気圧を調節することで起こる。
傾斜地における移動作業とケージからの脱出作業にPSAのコントローラを最適化し,後者はソフトボディエージェントに特に適している。
以上の結果から,PSAはこれらの作業に有効であり,圧力制御は形状変化に基本的であることが示唆された。
今後,ソフトロボットや生体細胞を含むソフトボディエージェントのモデリングにおいてpsaが果たす役割を期待する。
進化したエージェントのビデオはhttps:// pressuresoftagents.github.ioで見ることができる。
関連論文リスト
- AgentGym: Evolving Large Language Model-based Agents across Diverse Environments [116.97648507802926]
大規模言語モデル(LLM)はそのようなエージェントを構築するための有望な基盤と考えられている。
我々は、自己進化能力を備えた一般機能 LLM ベースのエージェントを構築するための第一歩を踏み出す。
我々はAgentGymを提案する。AgentGymは、幅広い、リアルタイム、ユニフォーマット、並行エージェント探索のための様々な環境とタスクを特徴とする新しいフレームワークである。
論文 参考訳(メタデータ) (2024-06-06T15:15:41Z) - GAgent: An Adaptive Rigid-Soft Gripping Agent with Vision Language Models for Complex Lighting Environments [25.224940506604707]
GAgentは、VLMエージェントを介して高度な認知能力を提供し、可変剛性ソフトグリップを用いた柔軟な把握能力を提供する。
クリエイティビティの一環として、研究者たちは、重い荷物をしっかりと握りながら、いまだに魅力的な物体をつかむことのできる、様々な剛性を持つバイオニックハイブリッドソフトグリップも作った。
このインテリジェントなエージェントは、VLMベースの認知処理とバイオニックデザインを特徴としている。
論文 参考訳(メタデータ) (2024-03-16T08:10:23Z) - Offline Training of Language Model Agents with Functions as Learnable Weights [39.88545362699836]
LLM重みを変更することなくLLM(Large Language Models)エージェントを訓練する新しいパラダイムを提案する。
LLMを利用してエージェントの機能を更新し、ロールバックとアーリーストップという2つの戦略でエージェントトレーニングアルゴリズムを考案するエージェントを開発する。
広範囲な実験により、エージェント訓練パラダイムが代表的LLMエージェントの性能を大幅に改善できることが示される。
論文 参考訳(メタデータ) (2024-02-17T18:31:21Z) - 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) - The Rise and Potential of Large Language Model Based Agents: A Survey [91.71061158000953]
大規模言語モデル(LLM)は、人工知能(AGI)の潜在的な火花と見なされる
まず、エージェントの概念を哲学的起源からAI開発まで追跡し、LLMがエージェントに適した基盤である理由を説明します。
単一エージェントシナリオ,マルチエージェントシナリオ,ヒューマンエージェント協調の3つの側面において,LLMベースのエージェントの広範な応用について検討する。
論文 参考訳(メタデータ) (2023-09-14T17:12:03Z) - NovPhy: A Testbed for Physical Reasoning in Open-world Environments [5.736794130342911]
現実の世界では、私たちはこれまで遭遇したことのない新しい状況に直面しています。
エージェントは、オープンワールドの物理的環境で適切に操作するために、新規性の影響下で機能する能力を持つ必要がある。
我々は,新規性の存在下での物理的シナリオをエージェントが説明する必要がある新しいテストベッド,NovPhyを提案する。
論文 参考訳(メタデータ) (2023-03-03T04:59:03Z) - DMAP: a Distributed Morphological Attention Policy for Learning to
Locomote with a Changing Body [126.52031472297413]
本稿では,生物学的に着想を得たポリシーネットワークアーキテクチャであるDMAPを紹介する。
主観的状態に基づく制御ポリシは,高度に可変な身体構成では不十分であることを示す。
DMAPは、すべての考慮された環境において、全体的な一致またはオラクルエージェントのパフォーマンスを超越して、エンドツーエンドで訓練することができる。
論文 参考訳(メタデータ) (2022-09-28T16:45:35Z) - PlasticineLab: A Soft-Body Manipulation Benchmark with Differentiable
Physics [89.81550748680245]
PasticineLabと呼ばれる新しい微分可能な物理ベンチマークを導入する。
各タスクにおいて、エージェントはマニピュレータを使用して、プラスチックを所望の構成に変形させる。
本稿では,既存の強化学習(RL)手法と勾配に基づく手法について評価する。
論文 参考訳(メタデータ) (2021-04-07T17:59:23Z) - Co-optimising Robot Morphology and Controller in a Simulated Open-Ended
Environment [1.4502611532302039]
エージェントがロコホートする環境の変化が形態の収束にどのように影響するかを示す。
オープンエンド進化環境において進化するエージェント集団は,手作り環境において進化するエージェント集団よりも大きな形態的多様性を示すことを示す。
論文 参考訳(メタデータ) (2021-04-07T11:28:23Z) - Learning Latent Representations to Influence Multi-Agent Interaction [65.44092264843538]
エージェントのポリシーの潜在表現を学習するための強化学習に基づくフレームワークを提案する。
提案手法は代替手段よりも優れており,他のエージェントに影響を与えることを学習している。
論文 参考訳(メタデータ) (2020-11-12T19:04:26Z) - CARL: Controllable Agent with Reinforcement Learning for Quadruped
Locomotion [0.0]
CARLは、高レベルの指示で制御でき、動的環境に自然に反応できる4重結合剤である。
我々は、ジェネレーティブ・アドリラル・ネットワークを使用して、速度や方向などのハイレベルな制御を、オリジナルのアニメーションに対応するアクション・ディストリビューションに適応させる。
深部強化学習によるさらなる微調整により、エージェントは、スムーズな遷移を発生させながら、目に見えない外部摂動から回復することができる。
論文 参考訳(メタデータ) (2020-05-07T07:18:57Z)
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。