論文の概要: Morphological Wobbling Can Help Robots Learn
- arxiv url: http://arxiv.org/abs/2205.02811v1
- Date: Thu, 5 May 2022 17:41:58 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-06 16:00:47.464209
- Title: Morphological Wobbling Can Help Robots Learn
- Title(参考訳): ロボットの学習に役立つ形態学
- Authors: Fabien C. Y. Benureau and Jun Tani
- Abstract要約: 我々は、通常ロボットで固定される質量、アクチュエータ強度、サイズなどの量について検討する。
シミュレーションされた2次元ソフトロボットの学習過程の開始時にこれらの量が振動すると,タスクの性能が大幅に向上することを示した。
- 参考スコア(独自算出の注目度): 5.000272778136268
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We propose to make the physical characteristics of a robot oscillate while it
learns to improve its behavioral performance. We consider quantities such as
mass, actuator strength, and size that are usually fixed in a robot, and show
that when those quantities oscillate at the beginning of the learning process
on a simulated 2D soft robot, the performance on a locomotion task can be
significantly improved. We investigate the dynamics of the phenomenon and
conclude that in our case, surprisingly, a high-frequency oscillation with a
large amplitude for a large portion of the learning duration leads to the
highest performance benefits. Furthermore, we show that morphological wobbling
significantly increases exploration of the search space.
- Abstract(参考訳): ロボットの身体特性を振動させ,その動作性能を向上させることを提案する。
ロボットでは通常固定される質量、アクチュエータ強度、大きさなどの量について検討し、シミュレーションされた2Dソフトロボットで学習プロセスの開始時にそれらの量が振動すると、移動タスクの性能が大幅に向上することを示す。
本研究は,この現象のダイナミクスを調査し,本事例では,学習時間の大部分に振幅が大きい高周波振動が最高性能の利点をもたらすと結論づける。
さらに,形態的ウォブリングが探索空間の探索を著しく増加させることを示す。
関連論文リスト
- 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) - Robotic Arm Manipulation to Perform Rock Skipping in Simulation [0.0]
このプロジェクトの目的は、ロボットマニピュレーションで学んだ教訓を活用して、ロックスキップをロボット環境に持ち込むことだ。
具体的には、ロボットアームと動的環境からなるシステムを実装し、シミュレーションでロックスキップを行う。
論文 参考訳(メタデータ) (2023-10-23T01:55:43Z) - Universal Humanoid Motion Representations for Physics-Based Control [74.53927919796139]
本稿では、ヒューマノイド制御のための総合的な運動スキルを含む普遍的な運動表現について述べる。
まず、大きな非構造運動データセットから人間の動きをすべて模倣できる動き模倣機を学習する。
次に、模倣者から直接スキルを蒸留することで、動作表現を作成します。
論文 参考訳(メタデータ) (2023-10-06T20:48:43Z) - Robot Learning with Sensorimotor Pre-training [98.7755895548928]
ロボット工学のための自己教師型感覚運動器事前学習手法を提案する。
我々のモデルはRTTと呼ばれ、センサモレータトークンのシーケンスで動作するトランスフォーマーである。
感覚運動の事前学習は、ゼロからトレーニングを一貫して上回り、優れたスケーリング特性を持ち、さまざまなタスク、環境、ロボット間での移動を可能にしている。
論文 参考訳(メタデータ) (2023-06-16T17:58:10Z) - Bridging Active Exploration and Uncertainty-Aware Deployment Using
Probabilistic Ensemble Neural Network Dynamics [11.946807588018595]
本稿では,活発な探索と不確実性を考慮した展開を橋渡しするモデルベース強化学習フレームワークを提案する。
探索と展開の対立する2つのタスクは、最先端のサンプリングベースのMPCによって最適化されている。
自動運転車と車輪付きロボットの両方で実験を行い、探索と展開の両方に有望な結果を示します。
論文 参考訳(メタデータ) (2023-05-20T17:20:12Z) - Learning with Muscles: Benefits for Data-Efficiency and Robustness in
Anthropomorphic Tasks [13.545245521356218]
人間は、さまざまな動作において、堅牢性、汎用性、新しいタスクの学習という点でロボットより優れています。
我々は、高非線形筋力は、学習に好適な固有の安定性を提供する上で大きな役割を果たすと仮定する。
論文 参考訳(メタデータ) (2022-07-08T15:16:38Z) - Revisiting the Adversarial Robustness-Accuracy Tradeoff in Robot
Learning [121.9708998627352]
近年の研究では、現実的なロボット学習の応用において、対人訓練の効果が公平なトレードオフを起こさないことが示されている。
本研究は,ロボット学習におけるロバストネスと精度のトレードオフを再考し,最近のロバストトレーニング手法と理論の進歩により,現実のロボット応用に適した対人トレーニングが可能かどうかを解析する。
論文 参考訳(メタデータ) (2022-04-15T08:12:15Z) - Lifelong Robotic Reinforcement Learning by Retaining Experiences [61.79346922421323]
多くのマルチタスク強化学習は、ロボットが常にすべてのタスクからデータを収集できると仮定している。
本研究では,物理ロボットシステムの実用的制約を動機として,現実的なマルチタスクRL問題について検討する。
我々は、ロボットのスキルセットを累積的に成長させるために、過去のタスクで学んだデータとポリシーを効果的に活用するアプローチを導出する。
論文 参考訳(メタデータ) (2021-09-19T18:00:51Z) - Behavioral Repertoires for Soft Tensegrity Robots [0.0]
モバイルソフトロボットは、都市探索や救助から惑星探査まで幅広い分野に魅力的な応用を提供している。
ソフト・ロボット・コントロールの重要な課題は、ソフト・マテリアルが課す非線形力学が、しばしば非直感的でモデル化や予測が難しい複雑な振る舞いをもたらすことである。
本研究では,ロボット力学の事前知識がなく,人間の介入が最小限である行動レパートリーを自律的に生成する物理ソフトな緊張ロボット上で,モデルフリーで動作する品質多様性アルゴリズムを用いる。
論文 参考訳(メタデータ) (2020-09-23T00:09:35Z) - SAPIEN: A SimulAted Part-based Interactive ENvironment [77.4739790629284]
SAPIENは現実的で物理に富んだシミュレートされた環境であり、音声オブジェクトのための大規模なセットをホストしている。
部品検出と動作特性認識のための最先端の視覚アルゴリズムの評価を行い,ロボットインタラクションタスクの実証を行った。
論文 参考訳(メタデータ) (2020-03-19T00:11:34Z)
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。