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
- 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) - Learning Material Parameters and Hydrodynamics of Soft Robotic Fish via
Differentiable Simulation [26.09104786491426]
本フレームワークは, 実ハードウェアにおける複合バイモルフ曲げ構造の動的挙動の高精度予測を可能にする。
我々は,ロボットの材料パラメータと流体力学を学習するための,実験的に検証された高速な最適化パイプラインを実証した。
我々は水中ソフトロボットの特定の応用に焦点をあてるが、我々のフレームワークは空気圧で作動するソフトメカニズムにも適用できる。
論文 参考訳(メタデータ) (2021-09-30T05:24:02Z) - PlasticineLab: A Soft-Body Manipulation Benchmark with Differentiable
Physics [89.81550748680245]
PasticineLabと呼ばれる新しい微分可能な物理ベンチマークを導入する。
各タスクにおいて、エージェントはマニピュレータを使用して、プラスチックを所望の構成に変形させる。
本稿では,既存の強化学習(RL)手法と勾配に基づく手法について評価する。
論文 参考訳(メタデータ) (2021-04-07T17:59:23Z) - 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) - Machine Learning-Based Automated Design Space Exploration for Autonomous
Aerial Robots [55.056709056795206]
自律飛行ロボットのためのドメイン固有のアーキテクチャの構築は、オンボードコンピューティングを設計するための体系的な方法論が欠如しているため、難しい。
F-1ルーフラインと呼ばれる新しいパフォーマンスモデルを導入し、アーキテクトがバランスの取れたコンピューティングシステムを構築する方法を理解するのを助ける。
サイバー物理設計空間を自動でナビゲートするために、AutoPilotを導入します。
論文 参考訳(メタデータ) (2021-02-05T03:50:54Z) - Behavioral Repertoires for Soft Tensegrity Robots [0.0]
モバイルソフトロボットは、都市探索や救助から惑星探査まで幅広い分野に魅力的な応用を提供している。
ソフト・ロボット・コントロールの重要な課題は、ソフト・マテリアルが課す非線形力学が、しばしば非直感的でモデル化や予測が難しい複雑な振る舞いをもたらすことである。
本研究では,ロボット力学の事前知識がなく,人間の介入が最小限である行動レパートリーを自律的に生成する物理ソフトな緊張ロボット上で,モデルフリーで動作する品質多様性アルゴリズムを用いる。
論文 参考訳(メタデータ) (2020-09-23T00:09:35Z) - 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) - RoboTHOR: An Open Simulation-to-Real Embodied AI Platform [56.50243383294621]
インタラクティブで具体化された視覚AIの研究を民主化するためにRoboTHORを導入する。
シミュレーションで訓練されたモデルの性能は,シミュレーションと慎重に構築された物理アナログの両方で試験される場合,大きな差があることが示される。
論文 参考訳(メタデータ) (2020-04-14T20:52:49Z) - Environmental Adaptation of Robot Morphology and Control through
Real-world Evolution [5.08706161686979]
機械的に自己再構成された四足歩行ロボットに形態学と制御の組み合わせを得るために進化探索を適用した。
2つの異なる物理曲面上の解を進化させ、制御と形態の両方の観点から結果を解析する。
論文 参考訳(メタデータ) (2020-03-30T07:57:19Z) - 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。