論文の概要: Puppeteer and Marionette: Learning Anticipatory Quadrupedal Locomotion
Based on Interactions of a Central Pattern Generator and Supraspinal Drive
- arxiv url: http://arxiv.org/abs/2302.13378v1
- Date: Sun, 26 Feb 2023 18:32:44 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-28 17:26:09.180575
- Title: Puppeteer and Marionette: Learning Anticipatory Quadrupedal Locomotion
Based on Interactions of a Central Pattern Generator and Supraspinal Drive
- Title（参考訳）: puppeteerとmarionette:中心パターン生成器と上向き駆動の相互作用に基づく予測四足歩行の学習
- Authors: Milad Shafiee, Guillaume Bellegarda, Auke Ijspeert
- Abstract要約: 四足歩行は、脊髄中枢パターン生成器(CPG)、感覚フィードバック、および脳からの上脊髄駆動信号との相互作用から生じる。
本稿では,ギャップを踏むことを伴う予測移動シナリオにおいて,超音速駆動とCPGの相互作用について検討する。
以上の結果から,アクティベーション信号への直接的超音速寄与が,高いギャップ交差成功率の鍵となることが示唆された。
- 参考スコア（独自算出の注目度）: 3.867363075280544
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Quadruped animal locomotion emerges from the interactions between the spinal
central pattern generator (CPG), sensory feedback, and supraspinal drive
signals from the brain. Computational models of CPGs have been widely used for
investigating the spinal cord contribution to animal locomotion control in
computational neuroscience and in bio-inspired robotics. However, the
contribution of supraspinal drive to anticipatory behavior, i.e. motor behavior
that involves planning ahead of time (e.g. of footstep placements), is not yet
properly understood. In particular, it is not clear whether the brain modulates
CPG activity and/or directly modulates muscle activity (hence bypassing the
CPG) for accurate foot placements. In this paper, we investigate the
interaction of supraspinal drive and a CPG in an anticipatory locomotion
scenario that involves stepping over gaps. By employing deep reinforcement
learning (DRL), we train a neural network policy that replicates the
supraspinal drive behavior. This policy can either modulate the CPG dynamics,
or directly change actuation signals to bypass the CPG dynamics. Our results
indicate that the direct supraspinal contribution to the actuation signal is a
key component for a high gap crossing success rate. However, the CPG dynamics
in the spinal cord are beneficial for gait smoothness and energy efficiency.
Moreover, our investigation shows that sensing the front feet distances to the
gap is the most important and sufficient sensory information for learning gap
crossing. Our results support the biological hypothesis that cats and horses
mainly control the front legs for obstacle avoidance, and that hind limbs
follow an internal memory based on the front limbs' information. Our method
enables the quadruped robot to cross gaps of up to 20 cm (50% of body-length)
without any explicit dynamics modeling or Model Predictive Control (MPC).
- Abstract（参考訳）: 四足歩行は、脊髄中枢パターン生成器(CPG)、感覚フィードバック、および脳からの上脊髄駆動信号との相互作用から生じる。
CPGの計算モデルは、計算神経科学やバイオインスパイアされたロボティクスにおける動物の運動制御に対する脊髄の寄与を調べるために広く用いられている。
しかし、期待行動、すなわち、前もって計画する(例えば、足場配置)運動行動への超音速駆動の寄与は、まだ正しくは理解されていない。
特に、正確な足の配置のために脳がcpg活性を調節するか、または直接筋肉活動(cpgをバイパスする)を調節するかははっきりしない。
本稿では,ギャップを踏むことを伴う予測移動シナリオにおいて,超音速駆動とCPGの相互作用について検討する。
深部強化学習(DRL)を用いることで、超音速駆動動作を再現するニューラルネットワークポリシーを訓練する。
このポリシーはcpgダイナミクスを調節するか、cpgダイナミクスをバイパスするためにアクティベーションシグナルを直接変更することができる。
以上の結果から,アクチベーション信号への直接的方向寄与は,高いギャップ交差成功率の鍵成分であることが示唆された。
しかし、脊髄のCPGダイナミクスは歩行の滑らかさとエネルギー効率に有益である。
さらに,本研究は,前足距離をギャップまで感知することが,ギャップを横断する学習において最も重要かつ十分な感覚情報であることを示す。
本研究は,ネコや馬が障害物回避のために前肢を主に制御し,後肢が前肢の情報に基づいて内部記憶を追従するという生物学的仮説を支持する。
本手法により,4足歩行ロボットは,明示的なダイナミクスモデリングやモデル予測制御(mpc)を必要とせず,最大20cm(体長50%)のギャップを横切ることができる。
関連論文リスト
- Reinforcement Learning for Versatile, Dynamic, and Robust Bipedal Locomotion Control [106.32794844077534]
本稿では,二足歩行ロボットのための動的移動制御系を構築するために,深層強化学習を用いた研究について述べる。
本研究では、周期歩行やランニングから周期ジャンプや立位に至るまで、様々な動的二足歩行技術に使用できる汎用的な制御ソリューションを開発する。
この研究は、二足歩行ロボットの俊敏性の限界を、現実世界での広範な実験を通じて押し上げる。
論文 参考訳（メタデータ） (2024-01-30T10:48:43Z) - Astrocyte Regulated Neuromorphic Central Pattern Generator Control of
Legged Robotic Locomotion [3.7814142008074954]
本稿では,四足歩行ロボットの移動歩行を学習するためのアストロサイト制御スパイキングニューラルネットワーク(SNN)を用いた CPG を提案する。
SNNベースのCPGは、多目的物理シミュレーションプラットフォーム上でシミュレーションされ、平地でロボットを走らせながらトロッティング歩行が出現する。
最先端の強化学習に基づくロボット制御アルゴリズムと比較して、23.3Times$計算パワーセーブが観測される。
論文 参考訳（メタデータ） (2023-12-25T20:33:16Z) - Gait Cycle-Inspired Learning Strategy for Continuous Prediction of Knee
Joint Trajectory from sEMG [24.608475386117426]
本稿では,2つの歩行サイクルにインスパイアされた学習戦略を統合し,膝関節の軌道予測の課題を軽減するモデルを提案する。
異なるネットワークエンティティを通して学習することにより、モデルは共通の歩行特徴とパーソナライズされた歩行特徴の両方をキャプチャする。
実験結果から, 平均根平均二乗誤差(RMSE)を3.03度(0.49度), 50ms前後で予測できることが示唆された。
論文 参考訳（メタデータ） (2023-07-25T02:23:58Z) - From Data-Fitting to Discovery: Interpreting the Neural Dynamics of
Motor Control through Reinforcement Learning [3.6159844753873087]
足の移動を行う仮想ロボットの構造的神経活動について検討した。
歩行訓練されたエンボディードエージェントは、タングリングを避けるスムーズなダイナミックスを示す。
論文 参考訳（メタデータ） (2023-05-18T16:52:27Z) - DeepCPG Policies for Robot Locomotion [1.0057838324294686]
より大きなニューラルネットワークのレイヤとしてCPGを組み込む新しいDeepCPGポリシー。
従来のアプローチと比較して、DeepCPGポリシーは効果的な移動戦略のサンプル効率のよいエンドツーエンド学習を可能にする。
以上の結果から,ロボットプラットフォーム上での非自明なセンサとモータの統合が実現できることが示唆された。
論文 参考訳（メタデータ） (2023-02-25T23:16:57Z) - Brain Cortical Functional Gradients Predict Cortical Folding Patterns
via Attention Mesh Convolution [51.333918985340425]
我々は,脳の皮質ジャイロ-サルカル分割図を予測するための新しいアテンションメッシュ畳み込みモデルを開発した。
実験の結果,我々のモデルによる予測性能は,他の最先端モデルよりも優れていた。
論文 参考訳（メタデータ） (2022-05-21T14:08:53Z) - Overcoming the Domain Gap in Neural Action Representations [60.47807856873544]
3Dポーズデータは、手動で介入することなく、マルチビュービデオシーケンスから確実に抽出できる。
本稿では,ニューラルアクション表現の符号化を,ニューラルアクションと行動拡張のセットと共に導くために使用することを提案する。
ドメインギャップを減らすために、トレーニングの間、同様の行動をしているように見える動物間で神経と行動のデータを取り替える。
論文 参考訳（メタデータ） (2021-12-02T12:45:46Z) - Continuous Decoding of Daily-Life Hand Movements from Forearm Muscle
Activity for Enhanced Myoelectric Control of Hand Prostheses [78.120734120667]
本研究では,前腕のEMG活性をハンドキネマティクスに連続的にマップする,長期記憶(LSTM)ネットワークに基づく新しい手法を提案する。
私たちの研究は、この困難なデータセットを使用するハンドキネマティクスの予測に関する最初の報告です。
提案手法は, 人工手指の複数のDOFの独立的, 比例的アクティベーションのための制御信号の生成に適していることが示唆された。
論文 参考訳（メタデータ） (2021-04-29T00:11:32Z) - Continuous Learning and Adaptation with Membrane Potential and
Activation Threshold Homeostasis [91.3755431537592]
本稿では,MPATH(Membrane Potential and Activation Threshold Homeostasis)ニューロンモデルを提案する。
このモデルにより、ニューロンは入力が提示されたときに自動的に活性を調節することで動的平衡の形式を維持することができる。
実験は、モデルがその入力から適応し、継続的に学習する能力を示す。
論文 参考訳（メタデータ） (2021-04-22T04:01:32Z) - 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) - Adaptive control for hindlimb locomotion in a simulated mouse through
temporal cerebellar learning [0.0]
マウスの筋骨格系を適応的に移動させるバイオインスパイアされた制御系について述べる。
小脳様モジュールは、二重支持中間非対称性を時間的指導信号として使用することにより、ステップタイムを適応させる。
以上の結果から,ヒトやマウスにみられるように,間欠的パラメータの適応的な移動行動が認められた。
論文 参考訳（メタデータ） (2020-02-07T14:25:21Z)
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。