論文の概要: On discrete symmetries of robotics systems: A group-theoretic and
data-driven analysis
- arxiv url: http://arxiv.org/abs/2302.10433v3
- Date: Fri, 7 Jul 2023 13:32:30 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-10 15:45:01.179116
- 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: 力学系の離散的形態対称性について検討する。
これらの対称性は、系の形態学における1つ以上の平面/対称性の軸の存在から生じる。
我々はこれらの対称性をデータ拡張と$G$-equivariant Neural Networkを用いて活用する。
- 参考スコア(独自算出の注目度): 38.92081817503126
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present a comprehensive study on discrete morphological symmetries of
dynamical systems, which are commonly observed in biological and artificial
locomoting systems, such as legged, swimming, and flying animals/robots/virtual
characters. These symmetries arise from the presence of one or more planes/axis
of symmetry in the system's morphology, resulting in harmonious duplication and
distribution of body parts. Significantly, we characterize how morphological
symmetries extend to symmetries in the system's dynamics, optimal control
policies, and in all proprioceptive and exteroceptive measurements related to
the system's dynamics evolution. In the context of data-driven methods,
symmetry represents an inductive bias that justifies the use of data
augmentation or symmetric function approximators. To tackle this, we present a
theoretical and practical framework for identifying the system's morphological
symmetry group $\G$ and characterizing the symmetries in proprioceptive and
exteroceptive data measurements. We then exploit these symmetries using data
augmentation and $\G$-equivariant neural networks. Our experiments on both
synthetic and real-world applications provide empirical evidence of the
advantageous outcomes resulting from the exploitation of these symmetries,
including improved sample efficiency, enhanced generalization, and reduction of
trainable parameters.
- Abstract(参考訳): 本稿では,脚部,水泳,飛ぶ動物・ロボット・バーチャルキャラクタといった生体・人工のロコモティングシステムにおいて一般的に観察される力学系の離散的形態的対称性に関する包括的研究を行う。
これらの対称性は、系の形態学における1つ以上の平面/対称性の軸の存在から生じ、調和した重複と身体部分の分布をもたらす。
特に,形態的対称性がシステムの動力学,最適制御政策,およびシステムの動力学進化に関連するすべての固有的および外的測定において対称性にどのように拡張するかを特徴付ける。
データ駆動方式の文脈では、対称性はデータ拡張や対称関数近似の使用を正当化する帰納的バイアスを表す。
そこで本研究では,システムの形態的対称性群を$\G$で同定し,その対称性を固有化するための理論的,実用的な枠組みを提案する。
次に、データ拡張と$\G$-equivariant Neural Networkを用いてこれらの対称性を利用する。
本研究は, サンプル効率の向上, 一般化の促進, トレーニング可能なパラメータの削減など, これらの対称性の活用による有利な結果の実証的証拠を提供する。
関連論文リスト
- 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) - Lie Point Symmetry and Physics Informed Networks [59.56218517113066]
本稿では、損失関数を用いて、PINNモデルが基礎となるPDEを強制しようとするのと同じように、リー点対称性をネットワークに通知するロス関数を提案する。
我々の対称性の損失は、リー群の無限小生成元がPDE解を保存することを保証する。
実験により,PDEのリー点対称性による誘導バイアスはPINNの試料効率を大幅に向上させることが示された。
論文 参考訳(メタデータ) (2023-11-07T19:07:16Z) - Discovering Symmetry Breaking in Physical Systems with Relaxed Group
Convolution [22.567247209170343]
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) - Capturing dynamical correlations using implicit neural representations [85.66456606776552]
実験データから未知のパラメータを復元するために、モデルハミルトンのシミュレーションデータを模倣するために訓練されたニューラルネットワークと自動微分を組み合わせた人工知能フレームワークを開発する。
そこで本研究では, 実時間から多次元散乱データに適用可能な微分可能なモデルを1回だけ構築し, 訓練する能力について述べる。
論文 参考訳(メタデータ) (2023-04-08T07:55:36Z) - 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。