論文の概要: Computational Co-Design for Variable Geometry Truss

• arxiv url: http://arxiv.org/abs/2211.14663v1
• Date: Sat, 26 Nov 2022 20:52:03 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-29 15:04:39.867109
• Title: Computational Co-Design for Variable Geometry Truss
• Title（参考訳）: 可変形状トラスの計算共設計
• Authors: Jianzhe Gu and Lining Yao
• Abstract要約: 本稿では,可変幾何トラス(VGT)構造に対する準最適設計を求めるための学習モデルを提案する。 本稿では,ロボットテーブルをベースとしたVGTが,限られた制御入力数で様々な動作を実現できることを示す。
• 参考スコア（独自算出の注目度）: 28.557274577961223
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Living creatures and machines interact with the world through their morphology and motions. Recent advances in creating bio-inspired morphing robots and machines have led to the study of variable geometry truss (VGT), structures that can approximate arbitrary geometries and has large degree of freedom to deform. However, they are limited to simple geometries and motions due to the excessively complex control system. While a recent work PneuMesh solves this challenge with a novel VGT design that introduces a selective channel connection strategy, it imposes new challenge in identifying effective channel groupings and control methods. Building on top of the hardware concept presented in PneuMesh, we frame the challenge into a co-design problem and introduce a learning-based model to find a sub-optimal design. Specifically, given an initial truss structure provided by a human designer, we first adopt a genetic algorithm (GA) to optimize the channel grouping, and then couple GA with reinforcement learning (RL) for the control. The model is tailored to the PneuMesh system with customized initialization, mutation and selection functions, as well as the customized translation-invariant state vector for reinforcement learning. The result shows that our method enables a robotic table-based VGT to achieve various motions with a limited number of control inputs. The table is trained to move, lower its body or tilt its tabletop to accommodate multiple use cases such as benefiting kids and painters to use it in different shape states, allowing inclusive and adaptive design through morphing trusses.
• Abstract（参考訳）: 生物や機械は形態や動きを通じて世界と相互作用する。 近年のバイオインスパイアされたモーフィングロボットや機械の創出は、任意のジオメトリーを近似し、変形する自由度の高い可変幾何学トラス(VGT)の研究につながっている。 しかし、過度に複雑な制御システムのため、単純なジオメトリや動きに限定されている。 最近の研究であるPneuMeshは、選択的なチャネル接続戦略を導入した新しいVGT設計でこの課題を解決する一方で、効果的なチャネルグループ化と制御方法の同定に新たな課題を課している。 PneuMeshで提示されたハードウェア概念に基づいて、我々はこの課題を共同設計問題に組み入れ、準最適設計を見つけるための学習モデルを導入する。 具体的には、人間の設計者が提供した初期のトラス構造を考慮し、まず、チャネルグループ化を最適化するための遺伝的アルゴリズム(GA)を採用し、次に、制御のための強化学習(RL)とGAを結合する。 モデルはPneuMeshシステムに合わせてカスタマイズされた初期化、突然変異、選択機能、強化学習のためのカスタマイズされた翻訳不変状態ベクトルを備える。 その結果,ロボットテーブルを用いたVGTにより,限られた制御入力数で様々な動作を実現できることがわかった。 テーブルは、動く、体を下げる、またはテーブルトップを傾けるように訓練されており、子供や画家に異なる形状の状態で使用してもらうなど、複数のユースケースに対応している。

関連論文リスト

• Geometry-Informed Neural Networks [15.27249535281444]
  幾何インフォームドニューラルネットワーク(GINN)を導入する。 GINNは、データなしで形状生成ニューラルネットワークをトレーニングするためのフレームワークである。 GINNをいくつかの検証問題と現実的な3Dエンジニアリング設計問題に適用する。
  論文  参考訳（メタデータ） (2024-02-21T18:50:12Z)
• Universal Neural Functionals [67.80283995795985]
  多くの現代の機械学習タスクでは、ウェイトスペース機能を処理することが難しい問題である。 最近の研究は、単純なフィードフォワードネットワークの置換対称性に同値な有望な重み空間モデルを開発した。 本研究は,任意の重み空間に対する置換同変モデルを自動的に構築するアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-02-07T20:12:27Z)
• Compositional Generative Inverse Design [69.22782875567547]
  入力変数を設計して目的関数を最適化する逆設計は重要な問題である。 拡散モデルにより得られた学習エネルギー関数を最適化することにより、そのような逆例を避けることができることを示す。 N-body 相互作用タスクと2次元多面体設計タスクにおいて,実験時に学習した拡散モデルを構成することにより,初期状態と境界形状を設計できることを示す。
  論文  参考訳（メタデータ） (2024-01-24T01:33:39Z)
• Learning Modulated Transformation in GANs [69.95217723100413]
  生成逆数ネットワーク(GAN)のジェネレータに、変調変換モジュール(Modulated transformation module, MTM)と呼ばれるプラグアンドプレイモジュールを装備する。 MTMは、可変位置で畳み込み操作を適用可能な潜在符号の制御下で空間オフセットを予測する。 挑戦的なTaiChiデータセット上での人為的な生成に向けて、StyleGAN3のFIDを21.36から13.60に改善し、変調幾何変換の学習の有効性を実証した。
  論文  参考訳（メタデータ） (2023-08-29T17:51:22Z)
• Vision Transformer with Quadrangle Attention [76.35955924137986]
  窓面に基づく注意を一般的な四角形定式化に拡張する新しい四角形注意法(QA)を提案する。 提案手法では,既定のウィンドウを対象の四角形に変換するために,変換行列を予測し,エンドツーエンドで学習可能な四角形回帰モジュールを用いる。 QAをプレーンかつ階層的な視覚変換器に統合し、QFormerという名の新しいアーキテクチャを作成します。
  論文  参考訳（メタデータ） (2023-03-27T11:13:50Z)
• Variational Autoencoding Neural Operators [17.812064311297117]
  関数型データによる教師なし学習は、コンピュータビジョン、気候モデリング、物理システムへの応用を含む機械学習研究の新たなパラダイムである。 本稿では,大規模な演算子学習アーキテクチャを変分オートエンコーダとして機能させる汎用戦略として,変分オートエンコードニューラル演算子(VANO)を提案する。
  論文  参考訳（メタデータ） (2023-02-20T22:34:43Z)
• Engineering flexible machine learning systems by traversing functionally-invariant paths [1.4999444543328289]
  ニューラルネットワークのフレキシブルかつ連続的な適応を提供する微分幾何学フレームワークを導入する。 重み空間における測地路に沿った移動として適応を定式化し,二次目的に対応するネットワークを探索する。 控えめな計算資源を用いて、FIPアルゴリズムは連続的な学習とスパーシフィケーションタスクにおけるアートパフォーマンスの状態を同等に達成する。
  論文  参考訳（メタデータ） (2022-04-30T19:44:56Z)
• DeepMLS: Geometry-Aware Control Point Deformation [76.51312491336343]
  本稿では,空間に基づく変形技術であるDeepMLSを紹介する。 ニューラルネットワークの力を利用して、下層の形状を変形パラメータに注入する。 本手法は直感的に滑らかな変形をしやすくし, 製造物に適している。
  論文  参考訳（メタデータ） (2022-01-05T23:55:34Z)
• Analogous to Evolutionary Algorithm: Designing a Unified Sequence Model [58.17021225930069]
  実演的進化アルゴリズム(EA)と類似した視覚変換器の合理性について説明する。 我々は、より効率的なEATモデルを提案し、様々なタスクに柔軟に対処するタスク関連ヘッドを設計する。 近年のビジョントランスに比べて,イメージネット分類作業における最先端の成果が得られている。
  論文  参考訳（メタデータ） (2021-05-31T16:20:03Z)

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。