Fugu-MT 論文翻訳(概要): Towards Long-term Autonomy: A Perspective from Robot Learning

論文の概要: Towards Long-term Autonomy: A Perspective from Robot Learning

arxiv url: http://arxiv.org/abs/2212.12798v1
Date: Sat, 24 Dec 2022 18:32:14 GMT
ステータス: 処理完了
システム内更新日: 2022-12-27 15:09:28.448525
Title: Towards Long-term Autonomy: A Perspective from Robot Learning
Title（参考訳）: 長期的な自律化に向けて:ロボット学習の展望
Authors: Zhi Yan, Li Sun, Tomas Krajnik, Tom Duckett, Nicola Bellotto
Abstract要約: サービスロボットは、人間の介入なしに長期にわたって自律的に動作できることが期待されている。本稿では,ロボット学習の観点から長期的自律性の問題について考察する。
参考スコア（独自算出の注目度）: 13.38855419752331
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In the future, service robots are expected to be able to operate autonomously for long periods of time without human intervention. Many work striving for this goal have been emerging with the development of robotics, both hardware and software. Today we believe that an important underpinning of long-term robot autonomy is the ability of robots to learn on site and on-the-fly, especially when they are deployed in changing environments or need to traverse different environments. In this paper, we examine the problem of long-term autonomy from the perspective of robot learning, especially in an online way, and discuss in tandem its premise "data" and the subsequent "deployment".
Abstract（参考訳）: 将来的には、サービスロボットは人間の介入なしに長時間自律的に運用できるようになることが期待されている。この目標を達成するための多くの努力が、ハードウェアとソフトウェアの両方のロボティクスの開発で浮かび上がっている。今日では、長期的なロボットの自律性の重要な基盤は、ロボットが現場や現場で学べること、特に環境の変化や異なる環境を横切る必要があるときだと考えている。本稿では,ロボット学習,特にオンライン学習の観点から長期的自律性の問題について考察し,その前提である「データ」とその後の「展開」について考察する。

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)
Correspondence learning between morphologically different robots via task demonstrations [2.1374208474242815]
形態の異なる2つ以上のロボットの対応関係を学習する手法を提案する。本提案手法では,関節制御付き固定ベースマニピュレータロボットと差動駆動移動ロボットとが対応可能である。本研究では,実際のマニピュレータロボットとシミュレートされた移動ロボットとの対応学習の概念実証を行う。
論文参考訳（メタデータ） (2023-10-20T12:42:06Z)
Exploring AI-enhanced Shared Control for an Assistive Robotic Arm [4.999814847776098]
特に,アートインテリジェンス(AI)を共有制御パラダイムに統合する方法について検討する。特に,人間とロボットのインターフェースの簡潔な要件に着目した。
論文参考訳（メタデータ） (2023-06-23T14:19:56Z)
Self-Improving Robots: End-to-End Autonomous Visuomotor Reinforcement Learning [54.636562516974884]
模倣と強化学習において、人間の監督コストは、ロボットが訓練できるデータの量を制限する。本研究では,自己改善型ロボットシステムのための新しい設計手法であるMEDAL++を提案する。ロボットは、タスクの実施と解除の両方を学ぶことで、自律的にタスクを練習し、同時にデモンストレーションから報酬関数を推論する。
論文参考訳（メタデータ） (2023-03-02T18:51:38Z)
A Capability and Skill Model for Heterogeneous Autonomous Robots [69.50862982117127]
機能モデリングは、異なるマシンが提供する機能を意味的にモデル化するための有望なアプローチと考えられている。この貢献は、製造から自律ロボットの分野への能力モデルの適用と拡張の仕方について考察する。
論文参考訳（メタデータ） (2022-09-22T10:13:55Z)
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)
Back to Reality for Imitation Learning [8.57914821832517]
模倣学習と一般のロボット学習は、ロボット工学のブレークスルーではなく、機械学習のブレークスルーによって生まれた。私たちは、現実世界のロボット学習のより良い指標は時間効率であり、人間の真のコストをモデル化するものだと考えています。
論文参考訳（メタデータ） (2021-11-25T02:03:52Z)
Lifelong Robotic Reinforcement Learning by Retaining Experiences [61.79346922421323]
多くのマルチタスク強化学習は、ロボットが常にすべてのタスクからデータを収集できると仮定している。本研究では,物理ロボットシステムの実用的制約を動機として,現実的なマルチタスクRL問題について検討する。我々は、ロボットのスキルセットを累積的に成長させるために、過去のタスクで学んだデータとポリシーを効果的に活用するアプローチを導出する。
論文参考訳（メタデータ） (2021-09-19T18:00:51Z)
Design and Development of Autonomous Delivery Robot [0.16863755729554888]
私たちは、VNITキャンパス内のパッケージを人間の通信なしで配信する自律移動ロボットプラットフォームを提示します。この論文では、屋外環境で働く自律ロボットのパイプライン全体について説明する。
論文参考訳（メタデータ） (2021-03-16T17:57:44Z)
A Survey of Behavior Learning Applications in Robotics -- State of the Art and Perspectives [44.45953630612019]
最近の多くの領域での機械学習の成功は圧倒的に多い。実際のロボットで学んだり使ったりした行動について、幅広い概要を述べます。
論文参考訳（メタデータ） (2019-06-05T07:54:33Z)

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。