論文の概要: Spiking based Cellular Learning Automata (SCLA) algorithm for mobile
robot motion formulation
- arxiv url: http://arxiv.org/abs/2309.00241v1
- Date: Fri, 1 Sep 2023 04:16:23 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-04 14:31:00.759560
- Title: Spiking based Cellular Learning Automata (SCLA) algorithm for mobile
robot motion formulation
- Title（参考訳）: 移動ロボット運動定式化のためのスパイキングに基づくセルラーラーニングオートマタ(SCLA)アルゴリズム
- Authors: Vahid Pashaei Rad, Vahid Azimi Rad, Saleh Valizadeh Sotubadi
- Abstract要約: スパイキングに基づくセルラーラーニングオートマタは、任意のランダムな初期点から目標に到達するための移動ロボットとして提案されている。
提案手法は, セルラーオートマトンとスパイクニューラルネットワークを統合した結果である。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: In this paper a new method called SCLA which stands for Spiking based
Cellular Learning Automata is proposed for a mobile robot to get to the target
from any random initial point. The proposed method is a result of the
integration of both cellular automata and spiking neural networks. The
environment consists of multiple squares of the same size and the robot only
observes the neighboring squares of its current square. It should be stated
that the robot only moves either up and down or right and left. The environment
returns feedback to the learning automata to optimize its decision making in
the next steps resulting in cellular automata training. Simultaneously a
spiking neural network is trained to implement long term improvements and
reductions on the paths. The results show that the integration of both cellular
automata and spiking neural network ends up in reinforcing the proper paths and
training time reduction at the same time.
- Abstract（参考訳）: 本稿では,モバイルロボットがランダムな初期点から目標に到達するために,スパイキングに基づくセルラーラーラーニングオートマトンを表すsclaという新しい手法を提案する。
提案手法は,セルオートマトンとスパイキングニューラルネットワークを統合した結果である。
環境は同じ大きさの複数の正方形で構成され、ロボットは隣接する正方形のみを観察する。
ロボットは上下左右にしか動かない。
環境は学習オートマトンにフィードバックを返し、セルオートマトントレーニングにつながる次のステップで意思決定を最適化します。
同時に、スパイクニューラルネットワークを訓練して、経路の長期的改善と削減を実現する。
その結果,セルオートマトンとスパイキングニューラルネットワークの統合により,適切な経路の強化とトレーニング時間の短縮が実現できた。
関連論文リスト
- 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) - Learning Bipedal Walking for Humanoids with Current Feedback [5.429166905724048]
アクチュエータレベルでの不正確なトルクトラッキングから生じるヒューマノイドロボットのシム2リアルギャップ問題を克服するためのアプローチを提案する。
提案手法は、実際のHRP-5Pヒューマノイドロボットに展開して二足歩行を実現するシミュレーションにおいて、一貫したエンドツーエンドのポリシーをトレーニングする。
論文 参考訳（メタデータ） (2023-03-07T08:16:46Z) - Game of Intelligent Life [0.0]
この分野の最近の進歩は、CAと畳み込みニューラルネットワークを組み合わせて自己再生画像を実現している。
このプロジェクトの目的は、ニューラルセルオートマトンの概念を使って予測機械を成長させることである。
論文 参考訳（メタデータ） (2023-01-02T23:06:26Z) - Learn Fast, Segment Well: Fast Object Segmentation Learning on the iCub
Robot [20.813028212068424]
我々は、新しいオブジェクトや異なるドメインの存在下で、オブジェクトセグメンテーションモデルに適応できる様々な技術について研究する。
データをストリーム化するロボットアプリケーションのための高速なインスタンスセグメンテーション学習のためのパイプラインを提案する。
提案したパイプラインを2つのデータセットでベンチマークし、実際のロボットであるiCubヒューマノイドにデプロイする。
論文 参考訳（メタデータ） (2022-06-27T17:14:04Z) - Intelligent Trajectory Design for RIS-NOMA aided Multi-robot
Communications [59.34642007625687]
目的は,ロボットの軌道とNOMA復号命令を協調的に最適化することで,マルチロボットシステムにおける全軌道の総和率を最大化することである。
ARIMAモデルとDouble Deep Q-network (D$3$QN)アルゴリズムを組み合わせたML方式を提案する。
論文 参考訳（メタデータ） (2022-05-03T17:14:47Z) - Learning Time-optimized Path Tracking with or without Sensory Feedback [5.254093731341154]
本稿では,ロボットが関節空間で定義された基準経路を素早く追従できる学習型アプローチを提案する。
ロボットは、物理シミュレータで生成されたデータを用いて強化学習によって訓練されたニューラルネットワークによって制御される。
論文 参考訳（メタデータ） (2022-03-03T19:13:31Z) - 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) - SABER: Data-Driven Motion Planner for Autonomously Navigating
Heterogeneous Robots [112.2491765424719]
我々は、データ駆動型アプローチを用いて、異種ロボットチームをグローバルな目標に向けてナビゲートする、エンドツーエンドのオンラインモーションプランニングフレームワークを提案する。
モデル予測制御(SMPC)を用いて,ロボット力学を満たす制御入力を計算し,障害物回避時の不確実性を考慮した。
リカレントニューラルネットワークは、SMPC有限時間地平線解における将来の状態の不確かさを素早く推定するために用いられる。
ディープQ学習エージェントがハイレベルパスプランナーとして機能し、SMPCにロボットを望ましいグローバルな目標に向けて移動させる目標位置を提供する。
論文 参考訳（メタデータ） (2021-08-03T02:56:21Z) - Towards self-organized control: Using neural cellular automata to
robustly control a cart-pole agent [62.997667081978825]
我々は、カートポールエージェントを制御するために、ニューラルセルオートマトンを使用する。
我々は、Q値の推定値として出力セルの状態を用いる深層学習を用いてモデルを訓練した。
論文 参考訳（メタデータ） (2021-06-29T10:49:42Z) - Graph Neural Networks for Decentralized Multi-Robot Submodular Action
Selection [101.38634057635373]
ロボットがチームサブモジュールの目的を最大化するために共同で行動を選択する必要があるアプリケーションに焦点を当てる。
分散通信によるサブモジュール化に向けた汎用学習アーキテクチャを提案する。
大規模ロボットネットワークによるアクティブターゲットカバレッジのシナリオにおいて、GNNベースの学習アプローチのパフォーマンスを実証します。
論文 参考訳（メタデータ） (2021-05-18T15:32:07Z)
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。