論文の概要: Evolving generalist controllers to handle a wide range of morphological
variations
- arxiv url: http://arxiv.org/abs/2309.10201v2
- Date: Wed, 20 Sep 2023 16:51:12 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-21 10:37:52.343533
- Title: Evolving generalist controllers to handle a wide range of morphological
variations
- Title(参考訳): 幅広い形態的変動を扱うための進化的一般制御系
- Authors: Corinna Triebold, Anil Yaman
- Abstract要約: 人工ニューラルネットワーク(ANN)の堅牢性と一般化性の研究は、いまだに限られている。
予期せぬ形態変化や環境変化は、ANNコントローラがこれらの変化を処理できなければ失敗する可能性がある。
本稿では,制御器の堅牢性と汎用性を高めることを目的としたアルゴリズムを提案する。
- 参考スコア(独自算出の注目度): 1.7042264000899534
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Neuro-evolutionary methods have proven effective in addressing a wide range
of tasks. However, the study of the robustness and generalisability of evolved
artificial neural networks (ANNs) has remained limited. This has immense
implications in the fields like robotics where such controllers are used in
control tasks. Unexpected morphological or environmental changes during
operation can risk failure if the ANN controllers are unable to handle these
changes. This paper proposes an algorithm that aims to enhance the robustness
and generalisability of the controllers. This is achieved by introducing
morphological variations during the evolutionary process. As a results, it is
possible to discover generalist controllers that can handle a wide range of
morphological variations sufficiently without the need of the information
regarding their morphologies or adaptation of their parameters. We perform an
extensive experimental analysis on simulation that demonstrates the trade-off
between specialist and generalist controllers. The results show that
generalists are able to control a range of morphological variations with a cost
of underperforming on a specific morphology relative to a specialist. This
research contributes to the field by addressing the limited understanding of
robustness and generalisability in neuro-evolutionary methods and proposes a
method by which to improve these properties.
- Abstract(参考訳): 神経進化的手法は、幅広いタスクに効果的であることが証明されている。
しかし、進化したニューラルネットワーク(anns)のロバスト性と汎用性の研究は、まだ限られている。
このようなコントローラーが制御タスクで使用されるロボティクスのような分野では、これは大きな意味を持つ。
予期せぬ形態変化や環境変化は、ANNコントローラがこれらの変化を処理できなければ失敗する可能性がある。
本稿では,コントローラのロバスト性と汎用性を向上させるアルゴリズムを提案する。
これは進化過程中に形態学的変化を導入することで達成される。
その結果,形態やパラメータの適応に関する情報を必要とせずに,多種多様な形態変化を十分に扱える一般制御器が発見された。
我々は,スペシャリストとジェネラリストコントローラのトレードオフを実証するシミュレーションに関する広範な実験分析を行う。
その結果, 一般学者は, 特定の形態に対して過小評価されるコストで, 様々な形態変化を制御できることが示唆された。
本研究は,神経進化的手法における強靭性と一般化可能性の限定的理解に対処し,これらの特性を改善する手法を提案する。
関連論文リスト
- Causal machine learning for single-cell genomics [94.28105176231739]
単細胞ゲノミクスへの機械学習技術の応用とその課題について論じる。
まず, 単一細胞生物学における現在の因果的アプローチの基盤となるモデルについて述べる。
次に、単一セルデータへの因果的アプローチの適用におけるオープンな問題を特定する。
論文 参考訳(メタデータ) (2023-10-23T13:35:24Z) - Universal Morphology Control via Contextual Modulation [52.742056836818136]
異なるロボット形態をまたいだ普遍的なポリシーの学習は、継続的な制御における学習効率と一般化を著しく向上させることができる。
既存の手法では、グラフニューラルネットワークやトランスフォーマーを使用して、異種状態と異なる形態のアクション空間を処理する。
本稿では,この依存関係を文脈変調によりモデル化する階層型アーキテクチャを提案する。
論文 参考訳(メタデータ) (2023-02-22T00:04:12Z) - Sparse Mutation Decompositions: Fine Tuning Deep Neural Networks with
Subspace Evolution [0.0]
進化戦略と呼ばれる、神経進化的手法の一般的なサブクラスは、ネットワークを変異させるために高密度ノイズ摂動に依存している。
低次元部分空間に高密度な突然変異を分解することでこの問題を緩和するアプローチを導入する。
我々は、非常に難しいImageNetデータセット上で、神経進化的微調整とアンサンブルを初めて大規模に探索する。
論文 参考訳(メタデータ) (2023-02-12T01:27:26Z) - DMAP: a Distributed Morphological Attention Policy for Learning to
Locomote with a Changing Body [126.52031472297413]
本稿では,生物学的に着想を得たポリシーネットワークアーキテクチャであるDMAPを紹介する。
主観的状態に基づく制御ポリシは,高度に可変な身体構成では不十分であることを示す。
DMAPは、すべての考慮された環境において、全体的な一致またはオラクルエージェントのパフォーマンスを超越して、エンドツーエンドで訓練することができる。
論文 参考訳(メタデータ) (2022-09-28T16:45:35Z) - The Role of Morphological Variation in Evolutionary Robotics: Maximizing
Performance and Robustness [0.0]
形態変化の影響を計測する手法を提案する。
我々は,変化の振幅,それらが導入されたモダリティ,および進化するエージェントの性能とロバスト性の関係を解析した。
以上の結果から, 形態的変動は, 様々な条件および非変動条件において, より優れた結果をもたらすことが示唆された。
論文 参考訳(メタデータ) (2022-08-04T17:58:15Z) - On the Generalization and Adaption Performance of Causal Models [99.64022680811281]
異なる因果発見は、データ生成プロセスを一連のモジュールに分解するために提案されている。
このようなモジュラニューラル因果モデルの一般化と適応性能について検討する。
我々の分析では、モジュラーニューラル因果モデルが、低データレギュレーションにおけるゼロおよび少数ショットの適応において、他のモデルよりも優れていることを示している。
論文 参考訳(メタデータ) (2022-06-09T17:12:32Z) - Evolving Neural Selection with Adaptive Regularization [7.298440208725654]
深部ニューラルネットワークにおけるニューロンの選択が進化し,予測の難しさに適応する手法を示す。
本稿では,階層内のニューロンを重み付けしてネットワークの変種を形成するために進化する適応型ニューラルセレクション(ANS)フレームワークを提案する。
実験の結果,提案手法はニューラルネットワークアーキテクチャの性能を著しく向上させることができることがわかった。
論文 参考訳(メタデータ) (2022-04-04T17:19:52Z) - EINNs: Epidemiologically-Informed Neural Networks [75.34199997857341]
本稿では,疫病予測のための新しい物理インフォームドニューラルネットワークEINNを紹介する。
メカニスティックモデルによって提供される理論的柔軟性と、AIモデルによって提供されるデータ駆動表現性の両方を活用する方法について検討する。
論文 参考訳(メタデータ) (2022-02-21T18:59:03Z) - Adaptation through prediction: multisensory active inference torque
control [0.0]
本稿では,産業用アームのための多感能動型トルクコントローラを提案する。
私たちのコントローラは、予測的脳仮説にインスパイアされ、現在のアクティブな推論アプローチの能力を向上します。
論文 参考訳(メタデータ) (2021-12-13T16:03:18Z) - Redefining Neural Architecture Search of Heterogeneous Multi-Network
Models by Characterizing Variation Operators and Model Components [71.03032589756434]
複素領域における異なる変動演算子の効果について検討する。
モデルの複雑さと性能に影響を及ぼす変化演算子と、それを構成する異なる部分の質を推定する様々な指標に依存するモデルの両方を特徴付ける。
論文 参考訳(メタデータ) (2021-06-16T17:12:26Z)
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。