論文の概要: Co-evolving morphology and control of soft robots using a single genome
- arxiv url: http://arxiv.org/abs/2212.11517v1
- Date: Thu, 22 Dec 2022 07:34:31 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-23 14:25:53.966245
- Title: Co-evolving morphology and control of soft robots using a single genome
- Title（参考訳）: 単一ゲノムを用いたソフトロボットの共進化形態と制御
- Authors: Fabio Tanaka, Claus Aranha
- Abstract要約: 本稿では,ロボットの形態と制御を共進化させる新しい手法を提案する。
本手法は,1つのゲノムからエージェントの「脳」と「体」の両方を抽出し,それらを同時に開発する。
提案手法を4つのタスクで評価し,探索空間が大きくても1つのゲノムを持つと進化過程の収束が早くなることを示した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: When simulating soft robots, both their morphology and their controllers play
important roles in task performance. This paper introduces a new method to
co-evolve these two components in the same process. We do that by using the
hyperNEAT algorithm to generate two separate neural networks in one pass, one
responsible for the design of the robot body structure and the other for the
control of the robot.
The key difference between our method and most existing approaches is that it
does not treat the development of the morphology and the controller as separate
processes. Similar to nature, our method derives both the "brain" and the
"body" of an agent from a single genome and develops them together. While our
approach is more realistic and doesn't require an arbitrary separation of
processes during evolution, it also makes the problem more complex because the
search space for this single genome becomes larger and any mutation to the
genome affects "brain" and the "body" at the same time.
Additionally, we present a new speciation function that takes into
consideration both the genotypic distance, as is the standard for NEAT, and the
similarity between robot bodies. By using this function, agents with very
different bodies are more likely to be in different species, this allows robots
with different morphologies to have more specialized controllers since they
won't crossover with other robots that are too different from them.
We evaluate the presented methods on four tasks and observe that even if the
search space was larger, having a single genome makes the evolution process
converge faster when compared to having separated genomes for body and control.
The agents in our population also show morphologies with a high degree of
regularity and controllers capable of coordinating the voxels to produce the
necessary movements.
- Abstract（参考訳）: ソフトロボットをシミュレートする場合、その形態とコントローラーはタスクパフォーマンスにおいて重要な役割を果たす。
本稿では,これら2成分を同一プロセスで共振する新しい手法を提案する。
我々はHyperNEATアルゴリズムを用いて、2つの異なるニューラルネットワークを1つのパスで生成し、一方はロボット体構造の設計に、もう一方はロボットの制御に責任を負う。
我々の手法と既存の手法の主な違いは、形態学とコントローラの開発を別々のプロセスとして扱わないことである。
自然と同様、本手法は1つのゲノムからエージェントの「脳」と「体」の両方を誘導し、それらを共に発達させる。
我々のアプローチはより現実的であり、進化の過程でプロセスの任意の分離を必要としないが、この単一のゲノムの探索空間が大きくなり、ゲノムの突然変異が「脳」と「体」に同時に影響するため、問題をさらに複雑にしている。
さらに、NEATの標準である遺伝子型距離とロボット体間の類似性を考慮し、新しい種分化関数を提案する。
この機能を利用することで、非常に異なる体を持つエージェントは異なる種に属する可能性が高いため、異なる形態を持つロボットは、他のロボットとあまり異なるものと交差しないため、より特殊なコントローラーを持つことができる。
提案手法を4つのタスクで評価し, 探索空間が大きくても, 単一のゲノムを持つと, 分離ゲノムを持つ場合に比べて, 進化過程の収束が早くなることを示した。
我々の人口のエージェントはまた、高い規則性を持つ形態や、必要な動きを生み出すためにボクセルを調整できる制御器も示しています。
関連論文リスト
- Evolution and learning in differentiable robots [0.0]
我々は、異なるシミュレーションを用いて、多数の候補体計画において、行動の個々の神経制御を迅速かつ同時に最適化する。
個体群における各ロボットの機械的構造の変化は,探索の外ループに遺伝的アルゴリズムを適用した。
シミュレーションで発見された非常に微分可能な形態の1つは、物理ロボットとして実現され、その最適化された振る舞いを維持できた。
論文 参考訳（メタデータ） (2024-05-23T15:45:43Z) - HumanoidBench: Simulated Humanoid Benchmark for Whole-Body Locomotion and Manipulation [50.616995671367704]
そこで本研究では,人型ロボットが器用な手を備えた,高次元シミュレーション型ロボット学習ベンチマークHumanoidBenchを提案する。
その結果,現在最先端の強化学習アルゴリズムがほとんどのタスクに支障をきたすのに対して,階層的学習アプローチはロバストな低レベルポリシーに支えられた場合,優れた性能を達成できることがわかった。
論文 参考訳（メタデータ） (2024-03-15T17:45:44Z) - 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) - Exploring Robot Morphology Spaces through Breadth-First Search and
Random Query [3.285621588896828]
本研究では,BFS (Breadth-First Search) とRandom Query (Random Query) の2つの異なるクエリメカニズムを用いて,進化的結果と性能に与える影響について検討する。
その結果,2つの問合せ機構が,形態的知性,多様性,形態的特徴を含むモジュール型ロボット体の進化と性能に与える影響が示唆された。
また、当初、ロボットの多様性はRandom QueryよりもBFSの方が高かったが、ラマルクのシステムではより速く低下し、優れた設計に収束し、一方ダーウィンのシステムでは、BFSはエンドプロセスの多様性を向上した。
論文 参考訳（メタデータ） (2023-09-25T06:46:19Z) - Modular Controllers Facilitate the Co-Optimization of Morphology and
Control in Soft Robots [0.5076419064097734]
モジュール型コントローラはロボットのボディプランの変更に対してより堅牢であることを示す。
モジュラーコントローラの同様のボディプランへの移動性の向上は、ソフトロボットのより効果的な脳と身体の協調最適化を可能にする。
論文 参考訳（メタデータ） (2023-06-12T16:36:46Z) - Universal Morphology Control via Contextual Modulation [52.742056836818136]
異なるロボット形態をまたいだ普遍的なポリシーの学習は、継続的な制御における学習効率と一般化を著しく向上させることができる。
既存の手法では、グラフニューラルネットワークやトランスフォーマーを使用して、異種状態と異なる形態のアクション空間を処理する。
本稿では,この依存関係を文脈変調によりモデル化する階層型アーキテクチャを提案する。
論文 参考訳（メタデータ） (2023-02-22T00:04:12Z) - 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) - A Unified Substrate for Body-Brain Co-evolution [8.57218255651212]
単一神経セルオートマトン(NCA)をモジュール型ロボットエージェントのゲノムとして導入する。
NCAは、ロボットの成長と、展開中にロボットを制御する細胞活動のガイドとなる。
3つのベンチマーク環境を導入し、異なるロボット形態を育むためのアプローチの能力を検証した。
論文 参考訳（メタデータ） (2022-03-22T21:57:59Z) - 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) - Neuromorphic adaptive spiking CPG towards bio-inspired locomotion of
legged robots [58.720142291102135]
スパイクセントラルパターンジェネレーターは、外部刺激によって駆動される異なる移動パターンを生成します。
終端ロボットプラットフォーム(あらゆる脚ロボット)の移動は、任意のセンサーを入力として地形に適応することができる。
論文 参考訳（メタデータ） (2021-01-24T12:44:38Z) - Environmental Adaptation of Robot Morphology and Control through
Real-world Evolution [5.08706161686979]
機械的に自己再構成された四足歩行ロボットに形態学と制御の組み合わせを得るために進化探索を適用した。
2つの異なる物理曲面上の解を進化させ、制御と形態の両方の観点から結果を解析する。
論文 参考訳（メタデータ） (2020-03-30T07:57:19Z)
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。