論文の概要: SoftZoo: A Soft Robot Co-design Benchmark For Locomotion In Diverse
Environments
- arxiv url: http://arxiv.org/abs/2303.09555v1
- Date: Thu, 16 Mar 2023 17:59:50 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-17 14:10:24.550089
- Title: SoftZoo: A Soft Robot Co-design Benchmark For Locomotion In Diverse
Environments
- Title(参考訳): SoftZoo: 多様な環境におけるロコモーションのためのソフトロボットの共同設計ベンチマーク
- Authors: Tsun-Hsuan Wang, Pingchuan Ma, Andrew Everett Spielberg, Zhou Xian,
Hao Zhang, Joshua B. Tenenbaum, Daniela Rus, Chuang Gan
- Abstract要約: 我々は,多様な環境下での移動を支援するソフトロボットの共同設計プラットフォームであるSoftZooを紹介する。
SoftZooは、平らな地面、砂漠、湿地、粘土、氷、雪、浅い水、海などの環境をシミュレートする機能など、自然にヒントを得た幅広い素材セットをサポートしている。
それは、高速な移動、アジャイルな回転、パスフォローなど、ソフトロボティクスに関連するさまざまなタスクを提供し、形態学と制御のための微分可能な設計表現を提供する。
- 参考スコア(独自算出の注目度): 111.91255476270526
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: While significant research progress has been made in robot learning for
control, unique challenges arise when simultaneously co-optimizing morphology.
Existing work has typically been tailored for particular environments or
representations. In order to more fully understand inherent design and
performance tradeoffs and accelerate the development of new breeds of soft
robots, a comprehensive virtual platform with well-established tasks,
environments, and evaluation metrics is needed. In this work, we introduce
SoftZoo, a soft robot co-design platform for locomotion in diverse
environments. SoftZoo supports an extensive, naturally-inspired material set,
including the ability to simulate environments such as flat ground, desert,
wetland, clay, ice, snow, shallow water, and ocean. Further, it provides a
variety of tasks relevant for soft robotics, including fast locomotion, agile
turning, and path following, as well as differentiable design representations
for morphology and control. Combined, these elements form a feature-rich
platform for analysis and development of soft robot co-design algorithms. We
benchmark prevalent representations and co-design algorithms, and shed light on
1) the interplay between environment, morphology, and behavior; 2) the
importance of design space representations; 3) the ambiguity in muscle
formation and controller synthesis; and 4) the value of differentiable physics.
We envision that SoftZoo will serve as a standard platform and template an
approach toward the development of novel representations and algorithms for
co-designing soft robots' behavioral and morphological intelligence.
- Abstract(参考訳): 制御のためのロボット学習では重要な研究が進められているが、同時に形態を最適化する場合に独特の課題が発生する。
既存の作業は通常、特定の環境や表現用に調整されている。
固有の設計と性能上のトレードオフをより深く理解し、新しいタイプのソフトロボットの開発を加速するためには、確立されたタスク、環境、評価指標を備えた包括的なバーチャルプラットフォームが必要である。
本研究では,多様な環境におけるロコモーションのためのソフトロボット共同設計プラットフォームsoftzooを紹介する。
SoftZooは、平らな地面、砂漠、湿地、粘土、氷、雪、浅い水、海などの環境をシミュレートする機能など、自然にヒントを得た幅広い素材セットをサポートしている。
さらに、高速移動、アジャイル回転、パスフォローなど、ソフトロボティクスに関連するさまざまなタスクや、形態学と制御のための微分可能な設計表現を提供する。
これらの要素を組み合わせることで、ソフトロボットの共同設計アルゴリズムの分析と開発のための機能豊富なプラットフォームを形成する。
代表的な表現と共設計アルゴリズムをベンチマークし、光を当てる
1) 環境,形態,行動の相互作用
2) 意匠空間の表現の重要性
3)筋肉形成とコントローラ合成の曖昧さ,及び
4) 微分可能な物理学の価値。
私たちはsoftzooが標準的なプラットフォームとなり、ソフトロボットの行動と形態的知性の共同設計のための新しい表現とアルゴリズムの開発へのアプローチをテンプレート化することを期待しています。
関連論文リスト
- RoboScript: Code Generation for Free-Form Manipulation Tasks across Real
and Simulation [77.41969287400977]
本稿では,コード生成を利用したデプロイ可能なロボット操作パイプラインのためのプラットフォームである textbfRobotScript を提案する。
自由形自然言語におけるロボット操作タスクのためのコード生成ベンチマークも提案する。
我々は,Franka と UR5 のロボットアームを含む,複数のロボットエボディメントにまたがるコード生成フレームワークの適応性を実証した。
論文 参考訳(メタデータ) (2024-02-22T15:12:00Z) - 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) - Optimizing Modular Robot Composition: A Lexicographic Genetic Algorithm
Approach [9.471665570104802]
形態学、すなわちロボットの形態と構造は、主要なパフォーマンス指標の取得コスト、サイクル時間、エネルギー効率に大きな影響を及ぼす。
以前のアプローチでは、設計空間の適切な探索や、複雑なタスクに適応する可能性に欠けていた。
本稿では,この問題を克服するために,遺伝的アルゴリズムと解候補の辞書的評価を組み合わせることを提案する。
論文 参考訳(メタデータ) (2023-09-15T13:50:21Z) - FluidLab: A Differentiable Environment for Benchmarking Complex Fluid
Manipulation [80.63838153351804]
複雑な流体力学を含む多種多様な操作タスクを備えたシミュレーション環境であるFluidLabを紹介する。
私たちのプラットフォームの中心には、GPU加速シミュレーションと勾配計算を提供する、完全に微分可能な物理シミュレータがあります。
微分可能物理学と組み合わせたいくつかのドメイン固有最適化スキームを提案する。
論文 参考訳(メタデータ) (2023-03-04T07:24:22Z) - Evolution Gym: A Large-Scale Benchmark for Evolving Soft Robots [29.02903745467536]
ソフトロボットの設計と制御を最適化する最初の大規模ベンチマークであるEvolution Gymを提案する。
私たちのベンチマーク環境は、様々な種類の地形の移動や操作など、幅広いタスクにまたがっています。
我々は,最先端設計最適化手法と深層強化学習手法を組み合わせることで,複数のロボット共進化アルゴリズムを開発した。
論文 参考訳(メタデータ) (2022-01-24T18:39:22Z) - Seeking Quality Diversity in Evolutionary Co-design of Morphology and
Control of Soft Tensegrity Modular Robots [7.765212440081057]
最適ソフトモジュールロボットの設計は、形態学とコントローラの非自明な相互作用のため困難である。
本研究では,テンセグリティソフトモジュールロボット(TSMR)の共進化設計における品質多様性向上のためのアルゴリズム的解について検討する。
我々は3つの異なるEAを使用し、1つはViability Evolution(ViE)とNEAT(ViE-NEAT)に基づいており、もう1つはDouble Map MAP-Elites(DM-ME)と呼ばれ、ロボット形態学とニューラルネットワーク(NN)ベースのコントローラを共進化させながら多様性を求めるために考案された。
論文 参考訳(メタデータ) (2021-04-25T14:49:59Z) - Simultaneous Navigation and Construction Benchmarking Environments [73.0706832393065]
モバイル構築のためのインテリジェントなロボット、環境をナビゲートし、幾何学的設計に従ってその構造を変更するプロセスが必要です。
このタスクでは、ロボットのビジョンと学習の大きな課題は、GPSなしでデザインを正確に達成する方法です。
我々は,手工芸政策の性能を,基礎的なローカライゼーションと計画,最先端の深層強化学習手法を用いて評価した。
論文 参考訳(メタデータ) (2021-03-31T00:05:54Z) - Diversity-based Design Assist for Large Legged Robots [4.505477982701834]
高さ約2mの大型脚ロボットの設計空間を探索するが、その設計と構造はよく研究されていない。
新たなロボットエンコーディングにより、足が体の長さに沿ってスケーリングするなど、バイオインスパイアされた特徴を実現できる。
論文 参考訳(メタデータ) (2020-04-17T03:59:17Z) - SAPIEN: A SimulAted Part-based Interactive ENvironment [77.4739790629284]
SAPIENは現実的で物理に富んだシミュレートされた環境であり、音声オブジェクトのための大規模なセットをホストしている。
部品検出と動作特性認識のための最先端の視覚アルゴリズムの評価を行い,ロボットインタラクションタスクの実証を行った。
論文 参考訳(メタデータ) (2020-03-19T00:11:34Z)
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。