論文の概要: Collective Intelligence for 2D Push Manipulations with Mobile Robots

• arxiv url: http://arxiv.org/abs/2211.15136v3
• Date: Wed, 5 Apr 2023 03:16:26 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-06 16:08:28.831676
• Title: Collective Intelligence for 2D Push Manipulations with Mobile Robots
• Title（参考訳）: 移動ロボットを用いた2次元押圧操作のための集団知能
• Authors: So Kuroki, Tatsuya Matsushima, Jumpei Arima, Hiroki Furuta, Yutaka Matsuo, Shixiang Shane Gu, Yujin Tang
• Abstract要約: 異なるソフトボディ物理シミュレータからアテンションベースのニューラルネットワークにプランナーを蒸留することにより、我々のマルチロボットプッシュ操作システムはベースラインよりも優れた性能を実現する。 また、トレーニング中に見えない構成に一般化し、外乱や環境変化を適用したときにタスク完了に適応することができる。
• 参考スコア（独自算出の注目度）: 18.937030864563752
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: While natural systems often present collective intelligence that allows them to self-organize and adapt to changes, the equivalent is missing in most artificial systems. We explore the possibility of such a system in the context of cooperative 2D push manipulations using mobile robots. Although conventional works demonstrate potential solutions for the problem in restricted settings, they have computational and learning difficulties. More importantly, these systems do not possess the ability to adapt when facing environmental changes. In this work, we show that by distilling a planner derived from a differentiable soft-body physics simulator into an attention-based neural network, our multi-robot push manipulation system achieves better performance than baselines. In addition, our system also generalizes to configurations not seen during training and is able to adapt toward task completions when external turbulence and environmental changes are applied. Supplementary videos can be found on our project website: https://sites.google.com/view/ciom/home
• Abstract（参考訳）: 自然システムは多くの場合、自己組織化と変化への適応を可能にする集団的知性を示すが、ほとんどの人工的なシステムでは同等なものが欠落している。 移動ロボットを用いた協調的な2Dプッシュ操作の文脈におけるそのようなシステムの可能性を検討する。 従来の研究では、制限された設定で問題に対する潜在的な解決策を示すが、計算と学習が困難である。 さらに重要なことに、これらのシステムは環境の変化に直面するときに適応する能力を持たない。 本研究では,異なるソフトボディ物理シミュレータから派生したプランナーをアテンションベースニューラルネットワークに蒸留することにより,マルチロボットプッシュ操作システムがベースラインよりも優れた性能を実現することを示す。 さらに,本システムは,トレーニング中に見えない構成に一般化し,外乱や環境変化を応用した場合にタスク完了に適応することができる。 補足ビデオはプロジェクトのwebサイト(https://sites.google.com/view/ciom/home)で閲覧できます。

関連論文リスト

• Commonsense Reasoning for Legged Robot Adaptation with Vision-Language Models [81.55156507635286]
  脚のついたロボットは、様々な環境をナビゲートし、幅広い障害を克服することができる。 現在の学習手法は、人間の監督を伴わずに、予期せぬ状況の長い尾への一般化に苦慮することが多い。 本稿では,VLM-Predictive Control (VLM-PC) というシステムを提案する。
  論文  参考訳（メタデータ） (2024-07-02T21:00:30Z)
• SPIN: Simultaneous Perception, Interaction and Navigation [33.408010508592824]
  本稿では、アクティブな視覚システムを用いて、その環境を意識的に知覚し、反応するリアクティブなモバイル操作フレームワークを提案する。 人間は体全体と眼の調整を利用するのと同じように、移動と視力を利用する移動マニピュレータを開発します。
  論文  参考訳（メタデータ） (2024-05-13T17:59:36Z)
• LPAC: Learnable Perception-Action-Communication Loops with Applications to Coverage Control [80.86089324742024]
  本稿では,その問題に対する学習可能なパーセプション・アクション・コミュニケーション(LPAC)アーキテクチャを提案する。 CNNは局所認識を処理する。グラフニューラルネットワーク(GNN)はロボットのコミュニケーションを促進する。 評価の結果,LPACモデルは標準分散型および集中型カバレッジ制御アルゴリズムよりも優れていた。
  論文  参考訳（メタデータ） (2024-01-10T00:08:00Z)
• Harmonic Mobile Manipulation [35.82197562695662]
  HarmonicMMはナビゲーションと操作の両方を最適化するエンドツーエンドの学習手法である。 私たちのコントリビューションには、モバイル操作のための新しいベンチマークと、RGBの視覚的観察のみによるデプロイメントの成功が含まれています。
  論文  参考訳（メタデータ） (2023-12-11T18:54:42Z)
• Bio-inspired spike-based Hippocampus and Posterior Parietal Cortex models for robot navigation and environment pseudo-mapping [52.77024349608834]
  本研究はスパイクに基づくロボットナビゲーションと環境擬似マッピングシステムを提案する。 海馬は環境状態マップの表現を担い、PPCは局所的な意思決定を担当している。 これはバイオインスパイアされた海馬記憶に基づく動的学習を用いた環境擬似マッピングシステムの最初の実装である。
  論文  参考訳（メタデータ） (2023-05-22T10:20:34Z)
• ExAug: Robot-Conditioned Navigation Policies via Geometric Experience Augmentation [73.63212031963843]
  本研究では,多様な環境における複数のデータセットから異なるロボットプラットフォームを体験するための新しいフレームワークであるExAugを提案する。 トレーニングされたポリシーは、屋内と屋外の障害物のある3つの異なるカメラを備えた2つの新しいロボットプラットフォームで評価される。
  論文  参考訳（メタデータ） (2022-10-14T01:32:15Z)
• Autonomous Intraluminal Navigation of a Soft Robot using Deep-Learning-based Visual Servoing [13.268863900187025]
  そこで本研究では,3Dプリント型内視鏡ソフトロボットによる光内ナビゲーションのためのシナジーソリューションを提案する。 畳み込みニューラルネットワーク(CNN)に基づくビジュアルサーボは、自律的なナビゲーションタスクを達成するために使用される。 提案するロボットは、異なる経路構成の解剖学的ファントムで検証される。
  論文  参考訳（メタデータ） (2022-07-01T13:17:45Z)
• Neural Dynamic Policies for End-to-End Sensorimotor Learning [51.24542903398335]
  感覚運動制御における現在の主流パラダイムは、模倣であれ強化学習であれ、生の行動空間で政策を直接訓練することである。 軌道分布空間の予測を行うニューラル・ダイナミック・ポリシー(NDP)を提案する。 NDPは、いくつかのロボット制御タスクにおいて、効率と性能の両面で、これまでの最先端よりも優れている。
  論文  参考訳（メタデータ） (2020-12-04T18:59:32Z)
• COCOI: Contact-aware Online Context Inference for Generalizable Non-planar Pushing [87.7257446869134]
  一般的なコンタクトリッチな操作問題は、ロボット工学における長年の課題である。 深層強化学習は、ロボット操作タスクの解決に大きな可能性を示している。 動的プロパティのコンテキスト埋め込みをオンラインにエンコードする深層RL法であるCOCOIを提案する。
  論文  参考訳（メタデータ） (2020-11-23T08:20:21Z)
• Deep Reactive Planning in Dynamic Environments [20.319894237644558]
  ロボットは、実行中に環境の変化に適応できるエンドツーエンドポリシーを学ぶことができる。 本稿では,従来のキネマティック計画,深層学習,深層学習を組み合わせることで,そのような行動を実現する方法を提案する。 そこで本研究では,6-DoF産業用マニピュレータの実システムと同様に,シミュレーションにおけるいくつかの到達およびピック・アンド・プレイスタスクに対する提案手法を実証する。
  論文  参考訳（メタデータ） (2020-10-31T00:46:13Z)
• How to reduce computation time while sparing performance during robot navigation? A neuro-inspired architecture for autonomous shifting between model-based and model-free learning [1.3854111346209868]
  本稿では,性能とコストを明示的に測定する学習システム間の新たな調停機構を提案する。 ロボットは,学習システム間の切り替えによって環境変化に適応し,高い性能を維持することができる。 タスクが安定すると、ロボットは自律的に最もコストのかかるシステムに移行し、高い性能を維持しながら計算コストを大幅に削減する。
  論文  参考訳（メタデータ） (2020-04-30T11:29:16Z)

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。