論文の概要: Optimizing Modular Robot Composition: A Lexicographic Genetic Algorithm Approach

• arxiv url: http://arxiv.org/abs/2309.08399v1
• Date: Fri, 15 Sep 2023 13:50:21 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-18 14:31:14.376566
• Title: Optimizing Modular Robot Composition: A Lexicographic Genetic Algorithm Approach
• Title（参考訳）: モジュール型ロボット構成の最適化 : 語彙遺伝アルゴリズムによるアプローチ
• Authors: Jonathan K\"ulz and Matthias Althoff
• Abstract要約: 形態学、すなわちロボットの形態と構造は、主要なパフォーマンス指標の取得コスト、サイクル時間、エネルギー効率に大きな影響を及ぼす。 以前のアプローチでは、設計空間の適切な探索や、複雑なタスクに適応する可能性に欠けていた。 本稿では,この問題を克服するために,遺伝的アルゴリズムと解候補の辞書的評価を組み合わせることを提案する。
• 参考スコア（独自算出の注目度）: 9.471665570104802
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Industrial robots are designed as general-purpose hardware, which limits their ability to adapt to changing task requirements or environments. Modular robots, on the other hand, offer flexibility and can be easily customized to suit diverse needs. The morphology, i.e., the form and structure of a robot, significantly impacts the primary performance metrics acquisition cost, cycle time, and energy efficiency. However, identifying an optimal module composition for a specific task remains an open problem, presenting a substantial hurdle in developing task-tailored modular robots. Previous approaches either lack adequate exploration of the design space or the possibility to adapt to complex tasks. We propose combining a genetic algorithm with a lexicographic evaluation of solution candidates to overcome this problem and navigate search spaces exceeding those in prior work by magnitudes in the number of possible compositions. We demonstrate that our approach outperforms a state-of-the-art baseline and is able to synthesize modular robots for industrial tasks in cluttered environments.
• Abstract（参考訳）: 産業用ロボットは汎用ハードウェアとして設計されており、タスク要求や環境の変化に適応する能力を制限する。 一方、モジュラーロボットは柔軟性があり、多様なニーズに合わせて簡単にカスタマイズできる。 形態学、すなわちロボットの形態と構造は、主要なパフォーマンス指標の取得コスト、サイクル時間、エネルギー効率に大きな影響を及ぼす。 しかし、特定のタスクに最適なモジュール構成を特定することは未解決の問題であり、タスクに適したモジュールロボットを開発する上で大きなハードルとなる。 以前のアプローチでは、設計空間の適切な探索や、複雑なタスクに適応する可能性に欠けていた。 本研究では, 遺伝的アルゴリズムと解候補の辞書評価を組み合わせることで, この問題を克服し, 探索空間を探索する手法を提案する。 提案手法は最先端のベースラインを上回っており, クラッタ環境における産業タスクのためのモジュールロボットを合成できることを実証する。

関連論文リスト

• Robotic warehousing operations: a learn-then-optimize approach to large-scale neighborhood search [84.39855372157616]
  本稿では,ワークステーションの注文処理,アイテムポッドの割り当て,ワークステーションでの注文処理のスケジュールを最適化することで,ウェアハウジングにおけるロボット部品対ピッカー操作を支援する。 そこで我々は, 大規模近傍探索を用いて, サブプロブレム生成に対する学習を最適化する手法を提案する。 Amazon Roboticsと共同で、我々のモデルとアルゴリズムは、最先端のアプローチよりも、実用的な問題に対するより強力なソリューションを生み出していることを示す。
  論文  参考訳（メタデータ） (2024-08-29T20:22:22Z)
• A Meta-Engine Framework for Interleaved Task and Motion Planning using Topological Refinements [51.54559117314768]
  タスク・アンド・モーション・プランニング(タスク・アンド・モーション・プランニング、TAMP)は、自動化された計画問題の解決策を見つけるための問題である。 本稿では,TAMP問題のモデル化とベンチマークを行うための,汎用的でオープンソースのフレームワークを提案する。 移動エージェントと複数のタスク状態依存障害を含むTAMP問題を解決する革新的なメタ技術を導入する。
  論文  参考訳（メタデータ） (2024-08-11T14:57:57Z)
• Task2Morph: Differentiable Task-inspired Framework for Contact-Aware Robot Design [5.4795537587182475]
  本稿では,タスク2Morphと呼ばれる接触認識型ロボット設計のための,新しい識別可能なタスクインスパイアされたフレームワークを提案する。 そこでは,マッピング学習と全最適化の両方に勾配情報を活用した,微分可能なロボット設計プロセスにマッピングを組み込む。 実験は3つのシナリオで実施され,Task2MorphがDiffHandより優れていることが確認された。
  論文  参考訳（メタデータ） (2024-03-28T02:02:00Z)
• RoboCodeX: Multimodal Code Generation for Robotic Behavior Synthesis [102.1876259853457]
  汎用ロボット行動合成のための木構造多モードコード生成フレームワークRoboCodeXを提案する。 RoboCodeXは、高レベルの人間の命令を複数のオブジェクト中心の操作ユニットに分解する。 概念的および知覚的理解を制御コマンドにマッピングする能力をさらに強化するため、事前学習のための特別なマルチモーダル推論データセットを収集し、教師付き微調整のための反復的自己更新手法を導入する。
  論文  参考訳（メタデータ） (2024-02-25T15:31:43Z)
• 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)
• Leveraging Hyperbolic Embeddings for Coarse-to-Fine Robot Design [40.01142267374432]
  マルチセルロボットの設計は、多様なタスクを実行するために効率的に制御できる多数のセルからなるロボットを作ることを目的としている。 これまでの研究では、さまざまなタスクのためのロボットを生成する能力が実証されてきたが、これらのアプローチは、広大なデザイン空間でロボットを直接最適化することが多い。 本稿では,多細胞ロボットを設計するための新しい粗粒化手法を提案する。
  論文  参考訳（メタデータ） (2023-11-01T11:56:32Z)
• SoftZoo: A Soft Robot Co-design Benchmark For Locomotion In Diverse Environments [111.91255476270526]
  我々は,多様な環境下での移動を支援するソフトロボットの共同設計プラットフォームであるSoftZooを紹介する。 SoftZooは、平らな地面、砂漠、湿地、粘土、氷、雪、浅い水、海などの環境をシミュレートする機能など、自然にヒントを得た幅広い素材セットをサポートしている。 それは、高速な移動、アジャイルな回転、パスフォローなど、ソフトロボティクスに関連するさまざまなタスクを提供し、形態学と制御のための微分可能な設計表現を提供する。
  論文  参考訳（メタデータ） (2023-03-16T17:59:50Z)
• MetaMorph: Learning Universal Controllers with Transformers [45.478223199658785]
  ロボット工学では、主に1つのタスクのために1つのロボットを訓練します。 モジュラーロボットシステムは、汎用的なビルディングブロックをタスク最適化形態に柔軟な組み合わせを可能にする。 モジュール型ロボット設計空間上でユニバーサルコントローラを学習するためのトランスフォーマーベースのアプローチであるMetaMorphを提案する。
  論文  参考訳（メタデータ） (2022-03-22T17:58:31Z)
• Graph-based Reinforcement Learning meets Mixed Integer Programs: An application to 3D robot assembly discovery [34.25379651790627]
  我々は、テトリスのような構造ブロックとロボットマニピュレータを用いて、スクラッチから完全に定義済みの任意のターゲット構造を構築するという課題に対処する。 我々の新しい階層的アプローチは、タスク全体を相互に利益をもたらす3つの実行可能なレベルに効率的に分解することを目的としています。
  論文  参考訳（メタデータ） (2022-03-08T14:44:51Z)
• An End-to-End Differentiable Framework for Contact-Aware Robot Design [37.715596272425316]
  我々は、接触認識ロボット設計のためのエンドツーエンドの差別化可能なフレームワークを構築した。 変形に基づく新しいパラメータ化により、任意の複雑な幾何学を持つ剛体ロボットを設計することができる。 微分可能な剛体シミュレータは、接触豊富なシナリオを処理し、運動パラメータと動的パラメータの完全なスペクトルに対する解析的勾配を計算することができる。
  論文  参考訳（メタデータ） (2021-07-15T17:53:44Z)
• Bayesian Meta-Learning for Few-Shot Policy Adaptation Across Robotic Platforms [60.59764170868101]
  強化学習手法は、重要な性能を達成できるが、同じロボットプラットフォームで収集される大量のトレーニングデータを必要とする。 私たちはそれを、さまざまなロボットプラットフォームで共有される共通の構造を捉えるモデルを見つけることを目標とする、数ショットのメタラーニング問題として定式化します。 我々は,400個のロボットを用いて,実ロボットピッキング作業とシミュレーションリーチの枠組みを実験的に評価した。
  論文  参考訳（メタデータ） (2021-03-05T14:16:20Z)

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。