論文の概要: Synaptic motor adaptation: A three-factor learning rule for adaptive
robotic control in spiking neural networks
- arxiv url: http://arxiv.org/abs/2306.01906v1
- Date: Fri, 2 Jun 2023 20:31:33 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-06 23:23:01.380501
- Title: Synaptic motor adaptation: A three-factor learning rule for adaptive
robotic control in spiking neural networks
- Title（参考訳）: シナプス運動適応:スパイクニューラルネットワークにおける適応ロボット制御のための3要素学習則
- Authors: Samuel Schmidgall, Joe Hays
- Abstract要約: 本稿では、四足歩行ロボットにおけるリアルタイムオンライン適応を実現するための新しいアプローチであるSynaptic Motor Adaptation (SMA)アルゴリズムを提案する。
本アルゴリズムは最先端のモータ適応アルゴリズムと同様に動作し,ニューロモルフィックハードウェアを用いた適応ロボットの実現に向けた明確な道筋を示す。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Legged robots operating in real-world environments must possess the ability
to rapidly adapt to unexpected conditions, such as changing terrains and
varying payloads. This paper introduces the Synaptic Motor Adaptation (SMA)
algorithm, a novel approach to achieving real-time online adaptation in
quadruped robots through the utilization of neuroscience-derived rules of
synaptic plasticity with three-factor learning. To facilitate rapid adaptation,
we meta-optimize a three-factor learning rule via gradient descent to adapt to
uncertainty by approximating an embedding produced by privileged information
using only locally accessible onboard sensing data. Our algorithm performs
similarly to state-of-the-art motor adaptation algorithms and presents a clear
path toward achieving adaptive robotics with neuromorphic hardware.
- Abstract（参考訳）: 現実の環境で動作する脚のあるロボットは、地形やペイロードの変化など、予期せぬ状況に迅速に適応する能力を持つ必要がある。
本稿では,3要素学習によるシナプス可塑性の神経科学に基づくルールを活用し,四足歩行ロボットのリアルタイムオンライン適応を実現するための新しい手法であるsynaptic motor adaptation (sma)アルゴリズムを提案する。
適応の迅速化を図るため,我々は,局所的にアクセス可能なセンシングデータのみを用いて,特権情報による埋め込みを近似することにより,勾配降下を通じて3要素学習規則をメタ最適化し,不確実性に適応させる。
本アルゴリズムは最先端のモータ適応アルゴリズムと同様に動作し,ニューロモルフィックハードウェアを用いた適応ロボットの実現に向けた明確な道筋を示す。
関連論文リスト
- Self-Supervised Learning of Grasping Arbitrary Objects On-the-Move [8.445514342786579]
本研究では3つの完全畳み込みニューラルネットワーク(FCN)モデルを導入し,視覚入力から静的グリッププリミティブ,動的グリッププリミティブ,残留移動速度誤差を予測する。
提案手法は高い把握精度とピック・アンド・プレイス効率を実現した。
論文 参考訳（メタデータ） (2024-11-15T02:59:16Z) - Constrained Equation Learner Networks for Precision-Preserving
Extrapolation of Robotic Skills [6.144680854063937]
本稿では,実証によるプログラミングにおける軌道適応問題に対処する,教師付き学習フレームワークを提案する。
方程式学習ネットワークを用いて解析式を学習し,基礎関数として利用する。
提案手法は, ロボット軌道の適応における3つの課題に対処する。1) 軌道の歪みを最小限に抑えること,2) 適応の精度を保つこと,3) 基本機能の構造に関する直観の欠如に対処すること。
論文 参考訳（メタデータ） (2023-11-04T18:16:18Z) - Online Learning of Wheel Odometry Correction for Mobile Robots with
Attention-based Neural Network [63.8376359764052]
現代のロボットプラットフォームは、人間の横で毎日運用するために、信頼性の高いローカライゼーションシステムを必要としている。
フィルタされた車輪と慣性オドメトリーに基づく単純なポーズ推定アルゴリズムは、急激なキネマティックな変化とホイールスリップの存在下で失敗することが多い。
本稿では,車輪形状補正のための革新的なオンライン学習手法を提案し,ロバストなマルチソースローカライゼーションシステムを提案する。
論文 参考訳（メタデータ） (2023-03-21T10:30:31Z) - ETLP: Event-based Three-factor Local Plasticity for online learning with
neuromorphic hardware [105.54048699217668]
イベントベース3要素局所塑性(ETLP)の計算複雑性に明らかな優位性を有する精度の競争性能を示す。
また, 局所的可塑性を用いた場合, スパイキングニューロンの閾値適応, 繰り返しトポロジーは, 時間的構造が豊富な時間的パターンを学習するために必要であることを示した。
論文 参考訳（メタデータ） (2023-01-19T19:45:42Z) - Learning over time using a neuromorphic adaptive control algorithm for
robotic arms [0.0]
ロボットアームは操作空間を学習し、時間とともにタスクを完了できることが示される。
また、SNNに基づく適応型ロボット制御アルゴリズムは、エネルギー効率を維持しつつ、迅速な応答を可能にすることを示した。
論文 参考訳（メタデータ） (2022-10-03T21:48:33Z) - Tackling Real-World Autonomous Driving using Deep Reinforcement Learning [63.3756530844707]
本研究では,加速と操舵角度を予測するニューラルネットワークを学習するモデルレスディープ強化学習プランナを提案する。
実際の自動運転車にシステムをデプロイするために、我々は小さなニューラルネットワークで表されるモジュールも開発する。
論文 参考訳（メタデータ） (2022-07-05T16:33:20Z) - XAI-N: Sensor-based Robot Navigation using Expert Policies and Decision
Trees [55.9643422180256]
本稿では,ロボットの密集した動的環境における衝突のない軌道を計算するためのセンサベース学習ナビゲーションアルゴリズムを提案する。
我々のアプローチは、sim2realパラダイムを用いて訓練された深層強化学習に基づくエキスパートポリシーを使用する。
シミュレーション環境でのアルゴリズムの利点を強調し、移動中の歩行者の間でClearpath Jackalロボットをナビゲートする。
論文 参考訳（メタデータ） (2021-04-22T01:33:10Z) - Evolving Inborn Knowledge For Fast Adaptation in Dynamic POMDP Problems [5.23587935428994]
本稿では,POMDPにおける自己エンコーダの潜伏空間を利用した制御器を進化させるために,ニューラルネットワークの高度適応性を利用する。
生まれながらの知識とオンラインの可塑性の統合は、進化的でないメタ強化学習アルゴリズムと比較して、迅速な適応と性能の向上を可能にした。
論文 参考訳（メタデータ） (2020-04-27T14:55:08Z) - Never Stop Learning: The Effectiveness of Fine-Tuning in Robotic
Reinforcement Learning [109.77163932886413]
本稿では,ロボットによるロボット操作ポリシーを,政治以外の強化学習を通じて微調整することで,新たなバリエーションに適応する方法を示す。
この適応は、タスクをゼロから学習するために必要なデータの0.2%未満を使用する。
事前訓練されたポリシーを適用するという私たちのアプローチは、微調整の過程で大きなパフォーマンス向上につながります。
論文 参考訳（メタデータ） (2020-04-21T17:57:04Z) - Rapidly Adaptable Legged Robots via Evolutionary Meta-Learning [65.88200578485316]
本稿では,ロボットが動的変化に迅速に適応できるメタ学習手法を提案する。
提案手法は高雑音環境における動的変化への適応性を著しく改善する。
我々は、動的に変化しながら歩くことを学習する四足歩行ロボットに対するアプローチを検証する。
論文 参考訳（メタデータ） (2020-03-02T22:56:27Z)
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。