Fugu-MT 論文翻訳(概要): NIMS-OS: An automation software to implement a closed loop between artificial intelligence and robotic experiments in materials science

論文の概要: NIMS-OS: An automation software to implement a closed loop between artificial intelligence and robotic experiments in materials science

arxiv url: http://arxiv.org/abs/2304.13927v1
Date: Thu, 27 Apr 2023 02:42:52 GMT
ステータス: 処理完了
システム内更新日: 2023-04-28 14:36:12.338803
Title: NIMS-OS: An automation software to implement a closed loop between artificial intelligence and robotic experiments in materials science
Title（参考訳）: NIMS-OS:材料科学における人工知能とロボット実験のクローズドループを実装する自動化ソフトウェア
Authors: Ryo Tamura, Koji Tsuda, Shoichi Matsuda
Abstract要約: NIMS-OSは、人間の介入なしにロボット実験と人工知能(AI)のクローズドループを実現するために開発されたPythonライブラリである。様々な組み合わせのモジュールを使って自律的に動作している。 NIMS自動ロボット電気化学実験(NAREE)と呼ばれるシステムは、ロボット実験装置のセットとして利用可能である。
参考スコア（独自算出の注目度）: 1.9981375888949475
License: http://creativecommons.org/licenses/by/4.0/
Abstract: NIMS-OS (NIMS Orchestration System) is a Python library created to realize a closed loop of robotic experiments and artificial intelligence (AI) without human intervention for automated materials exploration. It uses various combinations of modules to operate autonomously. Each module acts as an AI for materials exploration or a controller for a robotic experiments. As AI techniques, Bayesian optimization (PHYSBO), boundless objective-free exploration (BLOX), phase diagram construction (PDC), and random exploration (RE) methods can be used. Moreover, a system called NIMS automated robotic electrochemical experiments (NAREE) is available as a set of robotic experimental equipment. Visualization tools for the results are also included, which allows users to check the optimization results in real time. Newly created modules for AI and robotic experiments can be added easily to extend the functionality of the system. In addition, we developed a GUI application to control NIMS-OS.To demonstrate the operation of NIMS-OS, we consider an automated exploration for new electrolytes. NIMS-OS is available at https://github.com/nimsos-dev/nimsos.
Abstract（参考訳）: NIMS-OS (NIMS Orchestration System) は、ロボット実験と人工知能(AI)のクローズドループを実現するために作られたPythonライブラリである。様々な組み合わせのモジュールを使って自律的に動作する。各モジュールは、材料探索のためのAIや、ロボット実験のためのコントローラとして機能する。 AI技術としては、ベイズ最適化(PHYSBO)、無拘束客観的探索(BLOX)、位相図構築(PDC)、ランダム探索(RE)などを用いることができる。さらに、NIMS自動ロボット電気化学実験(NAREE)と呼ばれるシステムが、ロボット実験機器のセットとして利用可能である。結果の可視化ツールも含まれているので、ユーザはリアルタイムで最適化結果をチェックできる。 AIとロボット実験のための新しいモジュールは、システムの機能を拡張するために簡単に追加できる。さらに, NIMS-OSの動作を実証するGUIアプリケーションを開発した。 NIMS-OSはhttps://github.com/nimsos-dev/nimsosで入手できる。

関連論文リスト

AlabOS: A Python-based Reconfigurable Workflow Management Framework for Autonomous Laboratories [3.8330070166920556]
実験のオーケストレーションとリソース管理のための汎用ソフトウェアフレームワークであるAlabOSを紹介する。 AlabOSは再構成可能な実験ワークフローモデルとリソース予約機構を備えており、様々なタスクの同時実行を可能にする。 1.5年間に約3,500のサンプルを合成したA-Labの試作実験室で,AlabOSの実装を実演した。
論文参考訳（メタデータ） (2024-05-22T18:59:39Z)
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)
Growing from Exploration: A self-exploring framework for robots based on foundation models [13.250831101705694]
我々は、ロボットが人間の介入なしに自律的に探索し学習することを可能にするGExpというフレームワークを提案する。幼児が世界と対話する方法に触発されて、GExpはロボットに、一連の自己生成タスクで環境を理解し、探索するように促す。
論文参考訳（メタデータ） (2024-01-24T14:04:08Z)
Towards Building AI-CPS with NVIDIA Isaac Sim: An Industrial Benchmark and Case Study for Robotics Manipulation [18.392301524812645]
代表的サイバー物理システム(CPS)として、ロボットマニピュレータは様々な学術研究や産業プロセスで広く採用されている。ロボット操作の最近の研究は、適応性と性能を向上させるために人工知能(AI)アプローチをコントローラとして採用し始めている。本稿では,ロボット操作のための公開産業ベンチマークを提案する。
論文参考訳（メタデータ） (2023-07-31T18:21:45Z)
Self-Improving Robots: End-to-End Autonomous Visuomotor Reinforcement Learning [54.636562516974884]
模倣と強化学習において、人間の監督コストは、ロボットが訓練できるデータの量を制限する。本研究では,自己改善型ロボットシステムのための新しい設計手法であるMEDAL++を提案する。ロボットは、タスクの実施と解除の両方を学ぶことで、自律的にタスクを練習し、同時にデモンストレーションから報酬関数を推論する。
論文参考訳（メタデータ） (2023-03-02T18:51:38Z)
Robotic Navigation Autonomy for Subretinal Injection via Intelligent Real-Time Virtual iOCT Volume Slicing [88.99939660183881]
網膜下注射のための自律型ロボットナビゲーションの枠組みを提案する。提案手法は,機器のポーズ推定方法,ロボットとi OCTシステム間のオンライン登録,およびインジェクションターゲットへのナビゲーションに適した軌道計画から構成される。ブタ前眼の精度と再現性について実験を行った。
論文参考訳（メタデータ） (2023-01-17T21:41:21Z)
Active Predicting Coding: Brain-Inspired Reinforcement Learning for Sparse Reward Robotic Control Problems [79.07468367923619]
ニューラルジェネレーティブ・コーディング(NGC)の神経認知計算フレームワークによるロボット制御へのバックプロパゲーションフリーアプローチを提案する。我々は、スパース報酬から動的オンライン学習を容易にする強力な予測符号化/処理回路から完全に構築されたエージェントを設計する。提案するActPCエージェントは,スパース(外部)報酬信号に対して良好に動作し,複数の強力なバックプロップベースのRLアプローチと競合し,性能が優れていることを示す。
論文参考訳（メタデータ） (2022-09-19T16:49:32Z)
Fleet-DAgger: Interactive Robot Fleet Learning with Scalable Human Supervision [72.4735163268491]
ロボットの商業的および産業的な展開は、実行中にリモートの人間のテレオペレーターにフォールバックすることが多い。我々は対話型フリートラーニング(Interactive Fleet Learning, IFL)の設定を定式化し、複数のロボットが対話型クエリを行い、複数の人間スーパーバイザーから学習する。 IFLアルゴリズムのファミリーであるFleet-DAggerを提案し、新しいFleet-DAggerアルゴリズムをシミュレーションで4つのベースラインと比較する。
論文参考訳（メタデータ） (2022-06-29T01:23:57Z)
Model Predictive Control for Fluid Human-to-Robot Handovers [50.72520769938633]
人間の快適さを考慮に入れた計画運動は、人間ロボットのハンドオーバプロセスの一部ではない。本稿では,効率的なモデル予測制御フレームワークを用いてスムーズな動きを生成することを提案する。ユーザ数名の多様なオブジェクトに対して,人間とロボットのハンドオーバ実験を行う。
論文参考訳（メタデータ） (2022-03-31T23:08:20Z)
An Automated Scanning Transmission Electron Microscope Guided by Sparse Data Analytics [0.0]
本稿では,新たに出現するスパースデータ分析によって導かれる閉ループ管楽器制御プラットフォームの設計について論じる。機械学習によって通知される集中型コントローラが、限られた$a$$priori$知識とタスクベースの識別を組み合わせることで、オンザフライでの実験的な意思決定を駆動する様子を実証する。
論文参考訳（メタデータ） (2021-09-30T00:25:35Z)
A toolbox for neuromorphic sensing in robotics [4.157415305926584]
ロボット上で利用可能なあらゆる種類のセンサからの入力信号をエンコードし、デコードするためのROS(Robot Operating System)ツールボックスを導入する。このイニシアチブは、ニューロモルフィックAIのロボット統合を刺激し促進することを目的としている。
論文参考訳（メタデータ） (2021-03-03T23:22:05Z)

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。