論文の概要: Towards Hexapod Gait Adaptation using Enumerative Encoding of Gaits:
Gradient-Free Heuristics
- arxiv url: http://arxiv.org/abs/2209.00486v1
- Date: Thu, 1 Sep 2022 14:15:59 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-02 13:32:54.837546
- Title: Towards Hexapod Gait Adaptation using Enumerative Encoding of Gaits:
Gradient-Free Heuristics
- Title(参考訳): 歩行の列挙符号化による六足歩行適応に向けて:勾配自由ヒューリスティックス
- Authors: Victor Parque
- Abstract要約: 足関節不全の病態の早期回復を目的としたヘキサポッド歩行の列挙的(要素的)符号化の性能フロンティアについて検討した。
所望の移動指令への偏差を最小限に抑えることが可能な回復歩留まり戦略をいくつかの評価で表すことが可能である。
- 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 quest for the efficient adaptation of multilegged robotic systems to
changing conditions is expected to render new insights into robotic control and
locomotion. In this paper, we study the performance frontiers of the
enumerative (factorial) encoding of hexapod gaits for fast recovery to
conditions of leg failures. Our computational studies using five
nature-inspired gradient-free optimization heuristics have shown that it is
possible to render feasible recovery gait strategies that achieve minimal
deviation to desired locomotion directives with a few evaluations (trials). For
instance, it is possible to generate viable recovery gait strategies reaching
2.5 cm. (10 cm.) deviation on average with respect to a commanded direction
with 40 - 60 (20) evaluations/trials. Our results are the potential to enable
efficient adaptation to new conditions and to explore further the canonical
representations for adaptation in robotic locomotion problems.
- Abstract(参考訳): 多脚ロボットシステムの状況変化への効率的な適応を求める試みは、ロボットの制御と移動に新たな洞察をもたらすことが期待されている。
本稿では,六脚歩行の数値的(因子的)エンコーディングによる脚障害の早期回復に向けたパフォーマンスのフロンティアについて検討する。
5つの自然にインスパイアされた勾配なし最適化ヒューリスティックを用いた計算研究により、いくつかの評価(trials)により、所望のロコモーションディレクティブに対する最小の偏差を達成する、実現可能なリカバリの歩行戦略を作成できることが示されている。
例えば、2.5cmに達する回復歩行戦略を生成することが可能である。
(10cm) 指示方向に対する平均偏差が40~60(20) 評価/審理値であった。
その結果,新しい条件への効率的な適応が可能となり,ロボットロコモーション問題における正準表現のさらなる探索が可能となった。
関連論文リスト
- Neural Moving Horizon Estimation for Robust Flight Control [6.023276947115864]
外乱の予測と反応は、四角形機の堅牢な飛行制御に不可欠である。
ニューラルネットワークによってモデル化されたMHEパラメータを自動的に調整できるニューロ移動地平線推定器(NeuroMHE)を提案する。
NeuroMHEは出力推定誤差を最大49.4%削減した最先端の推定器より優れている。
論文 参考訳(メタデータ) (2022-06-21T13:43:24Z) - Constrained multi-objective optimization of process design parameters in
settings with scarce data: an application to adhesive bonding [50.591267188664666]
接着プロセスに最適なプロセスパラメータを見つけることは困難である。
遺伝的アルゴリズムのような伝統的な進化的アプローチは、その問題を解決するのに不適である。
本研究では,目的関数と制約関数をエミュレートするために,特定の機械学習手法をうまく応用した。
論文 参考訳(メタデータ) (2021-12-16T10:14:39Z) - An Adaptable Approach to Learn Realistic Legged Locomotion without
Examples [38.81854337592694]
本研究は,バネ装荷逆振り子モデルを用いて学習プロセスを導くことで,移動における現実性を保証するための汎用的アプローチを提案する。
モデルのない設定であっても、2足歩行ロボットと4足歩行ロボットに対して、学習したポリシーが現実的でエネルギー効率のよい移動歩行を生成できることを示す実験結果を示す。
論文 参考訳(メタデータ) (2021-10-28T10:14:47Z) - Few-shot Quality-Diversity Optimisation [70.13948372218849]
品質多様性(QD)の最適化は、強化学習における偽りの最小値とスパース報酬を扱う効果的なツールであることが示されている。
本稿では,タスク分布の例から,パラメータ空間の最適化によって得られる経路の情報を利用して,事前の人口構築を行うことを示す。
提案手法はバックプロパゲーションを必要とせず,実装とスケールが簡単であり,トレーニング対象のモデルに非依存である。
論文 参考訳(メタデータ) (2021-09-14T17:12:20Z) - Online Body Schema Adaptation through Cost-Sensitive Active Learning [63.84207660737483]
この作業は、icubロボットシミュレータの7dofアームを使用して、シミュレーション環境で実行された。
コストに敏感な能動学習手法は最適な関節構成を選択するために用いられる。
その結果,コスト依存型能動学習は標準的な能動学習手法と同等の精度を示し,実行運動の約半分を減らした。
論文 参考訳(メタデータ) (2021-01-26T16:01:02Z) - Meta-Reinforcement Learning for Adaptive Motor Control in Changing Robot
Dynamics and Environments [3.5309638744466167]
この研究は、ロバストな移動のための異なる条件に制御ポリシーを適応させるメタラーニングアプローチを開発した。
提案手法は, インタラクションモデルを更新し, 推定された状態-作用軌道のアクションをサンプル化し, 最適なアクションを適用し, 報酬を最大化する。
論文 参考訳(メタデータ) (2021-01-19T12:57:12Z) - Rapidly adapting robot swarms with Swarm Map-based Bayesian Optimisation [1.0152838128195467]
予期せぬ環境破壊からの迅速なパフォーマンス回復は、群れロボティクスにおける大きな課題です。
この課題を解決するために,制御器のアーカイブを検索して潜在的な回復ソリューションを探索する行動適応手法を提案する。
2つのアルゴリズムを提案する: (i)swarm map-based optimization (smbo) 1つのコントローラを一度に選択・評価し、一様swarmに対して一元的に一元的に評価するアルゴリズムと、(ii)swarm map-based optimisation decentralized (smbo-dec) という非同期バッチベースのベイズ最適化を実行するアルゴリズムである。
論文 参考訳(メタデータ) (2020-12-21T15:54:37Z) - Bioinspired Bipedal Locomotion Control for Humanoid Robotics Based on
EACO [1.0152838128195467]
本研究は,ヒューマノイドロボットに適用されたEACOのグローバル検索能力と収束率を,リアルタイムに向上させるものである。
我々は、ACO、実コードGA、ニューラルネットワーク(NN)付きGA、パーティクルスウォーム最適化(PSO)、複雑なロボティクスシステムなど、幅広い問題に対するEACOアルゴリズムに特別な焦点をあてた。
論文 参考訳(メタデータ) (2020-10-09T09:43:48Z) - First Steps: Latent-Space Control with Semantic Constraints for
Quadruped Locomotion [73.37945453998134]
従来の四重化制御のアプローチでは、単純化された手作りのモデルが採用されている。
これにより、有効な運動範囲が縮小されているため、ロボットの能力が大幅に低下する。
この研究において、これらの課題は、構造化潜在空間における最適化として四重化制御をフレーミングすることによって解決される。
深い生成モデルは、実現可能な関節構成の統計的表現を捉え、一方、複雑な動的および終端的制約は高レベルな意味的指標によって表現される。
実世界とシミュレーションの両方で最適化された移動軌跡の実現可能性を検証する。
論文 参考訳(メタデータ) (2020-07-03T07:04:18Z) - Never Stop Learning: The Effectiveness of Fine-Tuning in Robotic
Reinforcement Learning [109.77163932886413]
本稿では,ロボットによるロボット操作ポリシーを,政治以外の強化学習を通じて微調整することで,新たなバリエーションに適応する方法を示す。
この適応は、タスクをゼロから学習するために必要なデータの0.2%未満を使用する。
事前訓練されたポリシーを適用するという私たちのアプローチは、微調整の過程で大きなパフォーマンス向上につながります。
論文 参考訳(メタデータ) (2020-04-21T17:57:04Z) - Rapidly Adaptable Legged Robots via Evolutionary Meta-Learning [65.88200578485316]
本稿では,ロボットが動的変化に迅速に適応できるメタ学習手法を提案する。
提案手法は高雑音環境における動的変化への適応性を著しく改善する。
我々は、動的に変化しながら歩くことを学習する四足歩行ロボットに対するアプローチを検証する。
論文 参考訳(メタデータ) (2020-03-02T22:56:27Z)
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。