論文の概要: ClipBot: an educational, physically impaired robot that learns to walk via genetic algorithm optimization

• arxiv url: http://arxiv.org/abs/2210.14703v1
• Date: Wed, 26 Oct 2022 13:31:43 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-27 15:24:13.494359
• Title: ClipBot: an educational, physically impaired robot that learns to walk via genetic algorithm optimization
• Title（参考訳）: clipbotは、遺伝的アルゴリズムの最適化によって歩くことを学ぶ、教育的で身体に障害のあるロボット
• Authors: Diego Ulisse Pizzagalli, Ilaria Arini, Mauro Prevostini
• Abstract要約: ClipBotは低コストで自作のロボットで、骨格は2枚の紙クリップでできている。 Arduinoナノコントローラは、紙のクリップを動かす2つのサーボモーターを作動させる。 高校生はロボットの動きを最適化する遺伝的アルゴリズムの実装を依頼された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Educational robots allow experimenting with a variety of principles from mechanics, electronics, and informatics. Here we propose ClipBot, a low-cost, do-it-yourself, robot whose skeleton is made of two paper clips. An Arduino nano microcontroller actuates two servo motors that move the paper clips. However, such mechanical configuration confers physical impairments to movement. This creates the need for and allows experimenting with artificial intelligence methods to overcome hardware limitations. We report our experience in the usage of this robot during the study week 'fascinating informatics', organized by the Swiss Foundation Schweizer Jugend Forscht (www.sjf.ch). Students at the high school level were asked to implement a genetic algorithm to optimize the movements of the robot until it learned to walk. Such a methodology allowed the robot to learn the motor actuation scheme yielding straight movement in the forward direction using less than 20 iterations.
• Abstract（参考訳）: 教育用ロボットは、機械、電子工学、情報学などの様々な原理を実験できる。 ここでは,2枚の紙クリップからなる低コストで自作のロボットClipBotを提案する。 Arduinoナノコントローラは、紙クリップを動かす2つのサーボモーターを作動させる。 しかし、このような機械的構成は運動に身体的障害を与える。 これにより、ハードウェアの制限を克服する人工知能の方法を実験する必要性が生まれます。 スイス財団のschweizer jugend forscht (www.sjf.ch) が主催する研究週間「fascinating informatics」におけるロボットの使用経験を報告する。 高校の生徒は、歩行を学ぶまでロボットの動きを最適化する遺伝的アルゴリズムを実装するよう求められた。 このような手法により、ロボットは20回未満のイテレーションで前進方向のストレートな動きをもたらす運動運動計画を学ぶことができた。

関連論文リスト

• 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)
• Barkour: Benchmarking Animal-level Agility with Quadruped Robots [70.97471756305463]
  脚付きロボットのアジリティを定量化するための障害物コースであるBarkourベンチマークを導入する。 犬の機敏性の競争に触発され、様々な障害と時間に基づくスコアリング機構から構成される。 ベンチマークに対処する2つの方法を提案する。
  論文  参考訳（メタデータ） (2023-05-24T02:49:43Z)
• Robot Basics: Representation, Rotation and Velocity [10.879701971582502]
  ロボット表現、ロボット回転運動、座標変換、速度変換など、古典的なロボット工学の主要なトピックが紹介される。 この記事で取り上げられた資料の多くは、高校や大学の物理学科で学んだ剛体キネマティクスに基づいている。
  論文  参考訳（メタデータ） (2022-11-05T00:03:53Z)
• 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)
• 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)
• Know Thyself: Transferable Visuomotor Control Through Robot-Awareness [22.405839096833937]
  新しいロボットをスクラッチからトレーニングするためには、通常大量のロボット固有のデータを生成する必要がある。 簡単なロボット「自己認識」を活用する「ロボット認識」ソリューションパラダイムを提案する。 シミュレーションおよび実際のロボットにおけるテーブルトップ操作に関する実験により、これらのプラグインの改善により、ビジュモータコントローラの転送性が劇的に向上することを示した。
  論文  参考訳（メタデータ） (2021-07-19T17:56:04Z)
• Learning Bipedal Robot Locomotion from Human Movement [0.791553652441325]
  本研究では、実世界の二足歩行ロボットに、モーションキャプチャーデータから直接の動きを教えるための強化学習に基づく手法を提案する。 本手法は,シミュレーション環境下でのトレーニングから,物理ロボット上での実行へシームレスに移行する。 本研究では,ダイナミックウォークサイクルから複雑なバランスや手振りに至るまでの動作を内製したヒューマノイドロボットについて実演する。
  論文  参考訳（メタデータ） (2021-05-26T00:49:37Z)
• Make Bipedal Robots Learn How to Imitate [3.1981440103815717]
  模倣学習(il)の助けを借りて,二足歩行ロボットの基本的な動作を訓練する手法を提案する。 巧みに書かれたディープqネットワーク(dqn)をexperience replayで訓練して、ロボットがインストラクターと同じように動きを学ばせるようにする。
  論文  参考訳（メタデータ） (2021-05-15T10:06:13Z)
• Learning Locomotion Skills in Evolvable Robots [10.167123492952694]
  本稿では,任意の形状のモジュール型ロボットが目標に向かって歩いたり,移動した場合にこの目標に従うことを学習できるようにするための,コントローラアーキテクチャと汎用学習手法を提案する。 我々のアプローチは、現実世界の3つのシナリオにおいて、クモ、ヤモリ、そしてその子孫の3つのロボットに対して検証されている。
  論文  参考訳（メタデータ） (2020-10-19T14:01:50Z)
• OpenBot: Turning Smartphones into Robots [95.94432031144716]
  現在のロボットは高価か、感覚豊かさ、計算能力、通信能力に重大な妥協をもたらす。 我々はスマートフォンを活用して、センサースイート、強力な計算能力、最先端通信チャネル、繁栄するソフトウェアエコシステムへのアクセスなどを備えたロボットを装備することを提案する。 われわれは50ドルの小型電気自動車を設計し、標準のAndroidスマートフォンのロボットボディとして機能する。
  論文  参考訳（メタデータ） (2020-08-24T18:04:50Z)
• Morphology-Agnostic Visual Robotic Control [76.44045983428701]
  MAVRICは、ロボットの形態に関する最小限の知識で機能するアプローチである。 本稿では,視覚誘導型3Dポイントリーチ,軌道追従,ロボットとロボットの模倣について紹介する。
  論文  参考訳（メタデータ） (2019-12-31T15:45:10Z)

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。