論文の概要: A Population-Level Analysis of Neural Dynamics in Robust Legged Robots
- arxiv url: http://arxiv.org/abs/2306.15793v1
- Date: Tue, 27 Jun 2023 20:41:59 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-29 16:34:11.917713
- Title: A Population-Level Analysis of Neural Dynamics in Robust Legged Robots
- Title（参考訳）: ロバストレッグロボットにおけるニューラルダイナミクスの集団レベル解析
- Authors: Eugene R. Rush, Christoffer Heckman, Kaushik Jayaram, J. Sean Humbert
- Abstract要約: 頑健なロボット移動制御器の集団レベル活動について検討する。
脆弱な制御器は不安定な方向の固定点の数が多いため,立位を指示した場合のバランスが低下することがわかった。
再帰状態のダイナミクスが歩行中に構造され、低次元であることの証拠は、霊長類の研究と一致している。
- 参考スコア（独自算出の注目度）: 6.107812768939554
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recurrent neural network-based reinforcement learning systems are capable of
complex motor control tasks such as locomotion and manipulation, however, much
of their underlying mechanisms still remain difficult to interpret. Our aim is
to leverage computational neuroscience methodologies to understanding the
population-level activity of robust robot locomotion controllers. Our
investigation begins by analyzing topological structure, discovering that
fragile controllers have a higher number of fixed points with unstable
directions, resulting in poorer balance when instructed to stand in place.
Next, we analyze the forced response of the system by applying targeted neural
perturbations along directions of dominant population-level activity. We find
evidence that recurrent state dynamics are structured and low-dimensional
during walking, which aligns with primate studies. Additionally, when recurrent
states are perturbed to zero, fragile agents continue to walk, which is
indicative of a stronger reliance on sensory input and weaker recurrence.
- Abstract（参考訳）: リカレントニューラルネットワークに基づく強化学習システムは、移動や操作のような複雑な運動制御タスクを実行できるが、その基盤となるメカニズムの多くは解釈が難しいままである。
本研究の目的は,頑健なロボットロコモーションコントローラの集団レベルの動作を理解するために,計算神経科学手法を活用することである。
本研究は, フラクタブルコントローラが不安定な方向の固定点の数が多く, 位置を指示された場合のバランスが低下することを明らかにすることで, トポロジ構造の解析から開始する。
次に、支配的個体群活動の方向に沿って標的神経摂動を適用することにより、システムの強制応答を分析する。
再帰状態のダイナミクスが、霊長類研究と整合する歩行中に構造化され低次元であることの証拠を見いだす。
さらに、再発状態が0に摂動すると、脆弱なエージェントが歩き続け、これは感覚入力への依存が強く、再発が弱くなることを示している。
関連論文リスト
- Artificial Kuramoto Oscillatory Neurons [65.16453738828672]
しきい値単位の動的代替として人工内蔵ニューロン(AKOrN)を導入する。
このアイデアは、幅広いタスクにまたがってパフォーマンス改善をもたらすことを示しています。
これらの経験的結果は、神経表現の最も基本的なレベルにおいて、私たちの仮定の重要性を示していると信じている。
論文 参考訳（メタデータ） (2024-10-17T17:47:54Z) - Rethinking Robustness Assessment: Adversarial Attacks on Learning-based Quadrupedal Locomotion Controllers [33.50779001548997]
Legged locomotionは最近、機械学習技術の進歩で顕著な成功を収めた。
学習した移動制御器の弱点を識別するために,逐次的敵攻撃を利用する計算手法を提案する。
我々の研究は、最先端のロバストコントローラーでさえ、十分に設計された低マグニチュード逆数列の下では著しく失敗することを示した。
論文 参考訳（メタデータ） (2024-05-21T00:26:11Z) - Exploring neural oscillations during speech perception via surrogate gradient spiking neural networks [59.38765771221084]
本稿では、ディープラーニングフレームワークと互換性があり、スケーラブルな、生理学的にインスパイアされた音声認識アーキテクチャを提案する。
本研究では, 終末から終末までの勾配降下訓練が, 中枢スパイク神経ネットワークにおける神経振動の出現に繋がることを示す。
本研究は, スパイク周波数適応やリカレント接続などのフィードバック機構が, 認識性能を向上させるために, 神経活動の調節と同期に重要な役割を担っていることを明らかにする。
論文 参考訳（メタデータ） (2024-04-22T09:40:07Z) - Brain-Inspired Machine Intelligence: A Survey of
Neurobiologically-Plausible Credit Assignment [65.268245109828]
本稿では,神経生物学にインスパイアされた,あるいは動機付けられた人工ニューラルネットワークにおける信用割当を行うアルゴリズムについて検討する。
我々は、脳にインスパイアされた学習スキームを6つの一般的なファミリーにまとめ、これらを誤りのバックプロパゲーションの文脈で検討する。
本研究の成果は,神経ミメティックシステムとその構成的学習プロセスの今後の発展を促進することを目的としている。
論文 参考訳（メタデータ） (2023-12-01T05:20:57Z) - Learning low-dimensional dynamics from whole-brain data improves task
capture [2.82277518679026]
逐次変分オートエンコーダ(SVAE)を用いたニューラルダイナミクスの低次元近似学習手法を提案する。
本手法は,従来の手法よりも精度の高い認知過程を予測できるスムーズなダイナミクスを見出す。
我々は、モータ、ワーキングメモリ、リレーショナル処理タスクを含む様々なタスクfMRIデータセットに対するアプローチを評価した。
論文 参考訳（メタデータ） (2023-05-18T18:43:13Z) - From Data-Fitting to Discovery: Interpreting the Neural Dynamics of
Motor Control through Reinforcement Learning [3.6159844753873087]
足の移動を行う仮想ロボットの構造的神経活動について検討した。
歩行訓練されたエンボディードエージェントは、タングリングを避けるスムーズなダイナミックスを示す。
論文 参考訳（メタデータ） (2023-05-18T16:52:27Z) - Contrastive-Signal-Dependent Plasticity: Self-Supervised Learning in Spiking Neural Circuits [61.94533459151743]
この研究は、スパイキングネットワークのシナプスを調整するための神経生物学的に動機づけられたスキームを設計することの課題に対処する。
我々の実験シミュレーションは、繰り返しスパイクネットワークを訓練する際、他の生物学的に証明可能なアプローチに対して一貫した優位性を示す。
論文 参考訳（メタデータ） (2023-03-30T02:40:28Z) - Learning threshold neurons via the "edge of stability" [33.64379851307296]
既存のニューラルネットワークトレーニングの分析は、非常に少ない学習率という非現実的な仮定の下で運用されることが多い。
安定のエッジ」あるいは「不安定なダイナミクス」は2層ニューラルネットワークで動作する。
本稿では,2層ニューラルネットワークの単純化モデルに対する勾配勾配勾配の詳細な解析を行う。
論文 参考訳（メタデータ） (2022-12-14T19:27:03Z) - Interpreting Neural Policies with Disentangled Tree Representations [58.769048492254555]
本稿では,コンパクトなニューラルポリシーの解釈可能性について,不整合表現レンズを用いて検討する。
決定木を利用して,ロボット学習における絡み合いの要因を抽出する。
学習したニューラルダイナミクスの絡み合いを計測する解釈可能性指標を導入する。
論文 参考訳（メタデータ） (2022-10-13T01:10:41Z) - Gradient Starvation: A Learning Proclivity in Neural Networks [97.02382916372594]
グラディエント・スターベーションは、タスクに関連する機能のサブセットのみをキャプチャすることで、クロスエントロピー損失を最小化するときに発生する。
この研究は、ニューラルネットワークにおけるそのような特徴不均衡の出現に関する理論的説明を提供する。
論文 参考訳（メタデータ） (2020-11-18T18:52:08Z) - Deep Reinforcement Learning for Neural Control [4.822598110892847]
本稿では,深部強化学習に基づくニューラルサーキットの制御手法を提案する。
ニューラルネットワークとそのコネクトームをグリッドワールドにマッピングし、目的とする動作を達成するために必要なアクションを推論する。
ケモタキシーの制御のために神経ペプチド電流とシナプス構造を推定した。
論文 参考訳（メタデータ） (2020-06-12T17:41:12Z)
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。