論文の概要: Efficient automatic design of robots

• arxiv url: http://arxiv.org/abs/2306.03263v1
• Date: Mon, 5 Jun 2023 21:30:52 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-07 18:21:45.772684
• Title: Efficient automatic design of robots
• Title（参考訳）: ロボットの効率的な自動設計
• Authors: David Matthews, Andrew Spielberg, Daniela Rus, Sam Kriegman, Josh Bongard
• Abstract要約: 本研究では,ロボットの構造を1台のコンシューマ級コンピュータ上で数秒以内の所望の動作を示すために,初めて非ノボ最適化を示す。 他の勾配に基づくロボット設計法とは異なり、このアルゴリズムは特定の解剖学的形態を前提としていない。 この進歩は、医療、環境、車両、宇宙ベースのタスクのためのユニークで有用な機械の設計、製造、展開をほぼ瞬時に約束する。
• 参考スコア（独自算出の注目度）: 43.968830087704035
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Robots are notoriously difficult to design because of complex interdependencies between their physical structure, sensory and motor layouts, and behavior. Despite this, almost every detail of every robot built to date has been manually determined by a human designer after several months or years of iterative ideation, prototyping, and testing. Inspired by evolutionary design in nature, the automated design of robots using evolutionary algorithms has been attempted for two decades, but it too remains inefficient: days of supercomputing are required to design robots in simulation that, when manufactured, exhibit desired behavior. Here we show for the first time de-novo optimization of a robot's structure to exhibit a desired behavior, within seconds on a single consumer-grade computer, and the manufactured robot's retention of that behavior. Unlike other gradient-based robot design methods, this algorithm does not presuppose any particular anatomical form; starting instead from a randomly-generated apodous body plan, it consistently discovers legged locomotion, the most efficient known form of terrestrial movement. If combined with automated fabrication and scaled up to more challenging tasks, this advance promises near instantaneous design, manufacture, and deployment of unique and useful machines for medical, environmental, vehicular, and space-based tasks.
• Abstract（参考訳）: ロボットは、物理的構造、感覚と運動のレイアウト、行動に複雑な相互依存性があるため、設計が難しいことで悪名高い。 それにもかかわらず、これまで作られた全てのロボットのほぼすべての詳細は、数ヶ月から数年の反復的なアイデア、プロトタイピング、テストを経て、人間のデザイナーによって手作業で決定された。 進化的アルゴリズムを用いたロボットの自動設計は、自然界における進化的設計に触発されて20年にわたって試みられてきましたが、これも非効率なままです。 ここでは,1台のコンシューマ級コンピュータで1秒以内で所望の動作を示すロボットの構造の非ノボ最適化と,その動作に対する製造されたロボットの保持を初めて示す。 他の勾配に基づくロボット設計法とは異なり、このアルゴリズムは特定の解剖学的形態を前提としない。 自動化された製造と、より困難なタスクにスケールアップすれば、この進歩は、医療、環境、車両、宇宙ベースのタスクのための、ユニークで有用な機械の設計、製造、展開に近いものになる。

関連論文リスト

• Text2Robot: Evolutionary Robot Design from Text Descriptions [3.054307340752497]
  ユーザテキスト仕様とパフォーマンス選好を物理的四足歩行ロボットに変換するフレームワークであるText2Robotを紹介した。 Text2Robotは、高速なプロトタイピングを可能にし、生成モデルによるロボットデザインの新しい機会を開く。
  論文  参考訳（メタデータ） (2024-06-28T14:51:01Z)
• Evolution and learning in differentiable robots [0.0]
  我々は、異なるシミュレーションを用いて、多数の候補体計画において、行動の個々の神経制御を迅速かつ同時に最適化する。 個体群における各ロボットの機械的構造の変化は,探索の外ループに遺伝的アルゴリズムを適用した。 シミュレーションで発見された非常に微分可能な形態の1つは、物理ロボットとして実現され、その最適化された振る舞いを維持できた。
  論文  参考訳（メタデータ） (2024-05-23T15:45:43Z)
• Towards a Robust Soft Baby Robot With Rich Interaction Ability for Advanced Machine Learning Algorithms [25.85850890842541]
  我々は、大きなアクションスペースと、複数のカメラからのリッチな知覚データストリームを備えた、頑丈で部分的にソフトなロボットアームを構築します。 概念実証として、2つの現代の機械学習アルゴリズムを訓練し、単純な目標達成タスクを実行する。
  論文  参考訳（メタデータ） (2024-04-11T19:15:45Z)
• HumanoidBench: Simulated Humanoid Benchmark for Whole-Body Locomotion and Manipulation [50.616995671367704]
  そこで本研究では,人型ロボットが器用な手を備えた,高次元シミュレーション型ロボット学習ベンチマークHumanoidBenchを提案する。 その結果,現在最先端の強化学習アルゴリズムがほとんどのタスクに支障をきたすのに対して,階層的学習アプローチはロバストな低レベルポリシーに支えられた場合,優れた性能を達成できることがわかった。
  論文  参考訳（メタデータ） (2024-03-15T17:45:44Z)
• 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)
• Robot Learning with Sensorimotor Pre-training [98.7755895548928]
  ロボット工学のための自己教師型感覚運動器事前学習手法を提案する。 我々のモデルはRTTと呼ばれ、センサモレータトークンのシーケンスで動作するトランスフォーマーである。 感覚運動の事前学習は、ゼロからトレーニングを一貫して上回り、優れたスケーリング特性を持ち、さまざまなタスク、環境、ロボット間での移動を可能にしている。
  論文  参考訳（メタデータ） (2023-06-16T17:58:10Z)
• Exploring the effects of robotic design on learning and neural control [0.0]
  論文は神経制御装置ではなく ロボット体の開発に焦点を当てています 私は、マルチタスク設定でニューラルネットワークが直面する現在の落とし穴の多くを克服できるように、ロボットを設計できることを発見しました。
  論文  参考訳（メタデータ） (2023-06-06T15:17:34Z)
• HERD: Continuous Human-to-Robot Evolution for Learning from Human Demonstration [57.045140028275036]
  本研究では,マイクロ進化的強化学習を用いて,操作スキルを人間からロボットに伝達可能であることを示す。 本稿では,ロボットの進化経路とポリシーを協調的に最適化する多次元進化経路探索アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-12-08T15:56:13Z)
• REvolveR: Continuous Evolutionary Models for Robot-to-robot Policy Transfer [57.045140028275036]
  本研究では,運動学や形態学など,異なるパラメータを持つ2つの異なるロボット間でポリシーを伝達する問題を考察する。 模倣学習手法を含む動作や状態遷移の分布を一致させることで、新しいポリシーを訓練する既存のアプローチは、最適な動作や/または状態分布が異なるロボットでミスマッチしているために失敗する。 本稿では,物理シミュレータに実装されたロボット政策伝達に連続的進化モデルを用いることで,$RevolveR$という新しい手法を提案する。
  論文  参考訳（メタデータ） (2022-02-10T18:50:25Z)
• 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)

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。