論文の概要: On discrete symmetries of robotics systems: A group-theoretic and data-driven analysis

• arxiv url: http://arxiv.org/abs/2302.10433v1
• Date: Tue, 21 Feb 2023 04:10:16 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-22 16:24:42.971591
• Title: On discrete symmetries of robotics systems: A group-theoretic and data-driven analysis
• Title（参考訳）: ロボットシステムの離散対称性について:群理論とデータ駆動解析
• Authors: Daniel Ordonez-Apraez, Mario Martin, Antonio Agudo and Francesc Moreno-Noguer
• Abstract要約: 動物生物学やロボットシステムにおいて主要な特徴である力学系の離散的形態対称性について検討する。 データ駆動法では、対称性はデータの増大と対称関数近似器の構成を正当化する帰納バイアスを表す。 合成および実世界の応用実験を行い、対称性の制約がより優れたサンプル効率と一般化をもたらすことを示す。
• 参考スコア（独自算出の注目度）: 38.92081817503126
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this work, we study discrete morphological symmetries of dynamical systems, a predominant feature in animal biology and robotic systems, expressed when the system's morphology has one or more planes of symmetry describing the duplication and balanced distribution of body parts. These morphological symmetries imply that the system's dynamics are symmetric (or approximately symmetric), which in turn imprints symmetries in optimal control policies and in all proprioceptive and exteroceptive measurements related to the evolution of the system's dynamics. For data-driven methods, symmetry represents an inductive bias that justifies data augmentation and the construction of symmetric function approximators. To this end, we use group theory to present a theoretical and practical framework allowing for (1) the identification of the system's morphological symmetry group $\G$, (2) data-augmentation of proprioceptive and exteroceptive measurements, and (3) the exploitation of data symmetries through the use of $\G$-equivariant/invariant neural networks, for which we present experimental results on synthetic and real-world applications, demonstrating how symmetry constraints lead to better sample efficiency and generalization while reducing the number of trainable parameters.
• Abstract（参考訳）: 本研究では,動物生物学やロボットシステムにおいて重要な特徴である力学系の離散的形態学対称性について検討し,身体の重複とバランスの取れた分布を記述する対称性の平面が1つ以上の場合について述べる。 これらの形態的対称性は、系の力学が対称(あるいは概対称)であることを示唆し、最適制御ポリシーや系の力学の進化に関連するすべての受容的・外受容的測定に対称性を印字する。 データ駆動手法では、対称性はデータの強化と対称関数近似の構成を正当化する帰納的バイアスを表す。 To this end, we use group theory to present a theoretical and practical framework allowing for (1) the identification of the system's morphological symmetry group $\G$, (2) data-augmentation of proprioceptive and exteroceptive measurements, and (3) the exploitation of data symmetries through the use of $\G$-equivariant/invariant neural networks, for which we present experimental results on synthetic and real-world applications, demonstrating how symmetry constraints lead to better sample efficiency and generalization while reducing the number of trainable parameters.

関連論文リスト

• Exceptional Points and Stability in Nonlinear Models of Population Dynamics having $\mathcal{PT}$ symmetry [49.1574468325115]
  我々は、進化ゲーム理論の複製子方程式と、人口動態のロトカ・ボルテラ系によって支配されるモデルを分析する。 a) 支配対称性特性がモデルの大域的性質と結びついている場合、および(b) それらの対称性が定常状態の周囲に局所的に現れる場合の2つのケースにおける例外点の出現について検討する。
  論文  参考訳（メタデータ） (2024-11-19T02:15:59Z)
• The Empirical Impact of Neural Parameter Symmetries, or Lack Thereof [50.49582712378289]
  ニューラル・ネットワーク・アーキテクチャの導入により,ニューラル・パラメータ・対称性の影響について検討する。 我々は,パラメータ空間対称性を低減するために,標準的なニューラルネットワークを改良する2つの手法を開発した。 実験により,パラメータ対称性の経験的影響に関する興味深い観察がいくつか示された。
  論文  参考訳（メタデータ） (2024-05-30T16:32:31Z)
• Morphological Symmetries in Robotics [45.32599550966704]
  形態的対称性は ロボットの形態の固有の特性です これらの対称性は、ロボットの状態空間とセンサーの測定にまで拡張される。 データ駆動型手法では, 機械学習モデルのサンプル効率と一般化を, モルフォロジー対称性により向上させることができることを示す。 解析手法の文脈では、ロボットの力学を低次元独立力学の重ね合わせに分解するために抽象調和解析を用いる。
  論文  参考訳（メタデータ） (2024-02-23T17:21:21Z)
• Discovering Symmetry Breaking in Physical Systems with Relaxed Group Convolution [21.034937143252314]
  我々は、リラックスしたグループ畳み込みを用いてデータの非対称性を学習することに集中する。 我々は、様々な物理系において解釈可能で物理的に意味のある様々な対称性を破る要因を明らかにする。
  論文  参考訳（メタデータ） (2023-10-03T14:03:21Z)
• Finding discrete symmetry groups via Machine Learning [0.0]
  物理系における離散対称性群を自動的に発見できる機械学習手法を提案する。 この方法は、システムの物理的性質を保存するパラメータ変換の有限集合を特定する。
  論文  参考訳（メタデータ） (2023-07-25T12:37:46Z)
• Oracle-Preserving Latent Flows [58.720142291102135]
  我々はラベル付きデータセット全体にわたって複数の非自明な連続対称性を同時に発見するための方法論を開発する。 対称性変換と対応するジェネレータは、特別に構築された損失関数で訓練された完全連結ニューラルネットワークでモデル化される。 この研究における2つの新しい要素は、縮小次元の潜在空間の使用と、高次元のオラクルに関して不変な変換への一般化である。
  論文  参考訳（メタデータ） (2023-02-02T00:13:32Z)
• Approximately Equivariant Networks for Imperfectly Symmetric Dynamics [24.363954435050264]
  我々のモデルは、シミュレーションされた乱流領域と実世界のマルチストリームジェット流の両方において、対称性バイアスのないベースラインと過度に厳密な対称性を持つベースラインの両方より優れていることが判明した。
  論文  参考訳（メタデータ） (2022-01-28T07:31:28Z)
• Complexity from Adaptive-Symmetries Breaking: Global Minima in the Statistical Mechanics of Deep Neural Networks [0.0]
  深部ニューラルネットワーク(DNN)を理解するために、物理における保守対称性への適応対称性というアンチセティカル概念を提案する。 我々はDNNシステムの最適化過程を適応対称性破りの拡張プロセスとして特徴付けている。 より具体的には、この過程は統計物理学の一般化として評価できる統計力学モデルによって特徴づけられる。
  論文  参考訳（メタデータ） (2022-01-03T09:06:44Z)
• Analytical Modelling of Exoplanet Transit Specroscopy with Dimensional Analysis and Symbolic Regression [68.8204255655161]
  ディープラーニング革命は、そのような分析結果を直接、データに適合するコンピュータアルゴリズムで導き出すための扉を開いた。 我々は、一般的なホットジュピター系外惑星の遷移半径の合成データにおける記号回帰の利用をうまく実証した。 前処理のステップとして,変数の無次元な組み合わせを特定するために次元解析を用いる。
  論文  参考訳（メタデータ） (2021-12-22T00:52:56Z)

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。