論文の概要: Exploring Robot Morphology Spaces through Breadth-First Search and
Random Query
- arxiv url: http://arxiv.org/abs/2309.14387v1
- Date: Mon, 25 Sep 2023 06:46:19 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-27 16:45:28.939000
- Title: Exploring Robot Morphology Spaces through Breadth-First Search and
Random Query
- Title(参考訳): Breadth-First Searchとランダム検索によるロボット形態空間の探索
- Authors: Jie Luo
- Abstract要約: 本研究では,BFS (Breadth-First Search) とRandom Query (Random Query) の2つの異なるクエリメカニズムを用いて,進化的結果と性能に与える影響について検討する。
その結果,2つの問合せ機構が,形態的知性,多様性,形態的特徴を含むモジュール型ロボット体の進化と性能に与える影響が示唆された。
また、当初、ロボットの多様性はRandom QueryよりもBFSの方が高かったが、ラマルクのシステムではより速く低下し、優れた設計に収束し、一方ダーウィンのシステムでは、BFSはエンドプロセスの多様性を向上した。
- 参考スコア(独自算出の注目度): 3.285621588896828
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Evolutionary robotics offers a powerful framework for designing and evolving
robot morphologies, particularly in the context of modular robots. However, the
role of query mechanisms during the genotype-to-phenotype mapping process has
been largely overlooked. This research addresses this gap by conducting a
comparative analysis of query mechanisms in the brain-body co-evolution of
modular robots. Using two different query mechanisms, Breadth-First Search
(BFS) and Random Query, within the context of evolving robot morphologies using
CPPNs and robot controllers using tensors, and testing them in two evolutionary
frameworks, Lamarckian and Darwinian systems, this study investigates their
influence on evolutionary outcomes and performance. The findings demonstrate
the impact of the two query mechanisms on the evolution and performance of
modular robot bodies, including morphological intelligence, diversity, and
morphological traits. This study suggests that BFS is both more effective and
efficient in producing highly performing robots. It also reveals that
initially, robot diversity was higher with BFS compared to Random Query, but in
the Lamarckian system, it declines faster, converging to superior designs,
while in the Darwinian system, BFS led to higher end-process diversity.
- Abstract(参考訳): 進化ロボティクスは、特にモジュラーロボットの文脈において、ロボットの形態を設計および進化するための強力なフレームワークを提供する。
しかし、ジェノタイプからフェノタイプへのマッピングプロセスにおけるクエリメカニズムの役割は概ね見過ごされている。
本研究は,モジュールロボットの脳内共進化におけるクエリ機構の比較解析により,このギャップを解消する。
BFS(Breadth-First Search)とRandom Query(Random Query)の2つの異なるクエリメカニズムを用いて、CPPNとロボットコントローラを用いてテンソルを用いてロボット形態を進化させ、それらをラマルク系とダーウィン系の2つの進化的フレームワークでテストする。
その結果,2つの問合せ機構が,形態的知性,多様性,形態的特徴を含むモジュール型ロボット体の進化と性能に与える影響が示された。
本研究は,高性能ロボットの製作において,BFSの方が効率的かつ効率的であることが示唆された。
当初、ロボットの多様性はRandom QueryよりもBFSの方が高かったが、ラマルクのシステムではより速く低下し、優れた設計に収束し、一方ダーウィンのシステムでは、BFSはプロセスの多様性が向上した。
関連論文リスト
- 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) - 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) - DiffuseBot: Breeding Soft Robots With Physics-Augmented Generative
Diffusion Models [102.13968267347553]
本稿では,様々なタスクにおいて優れたソフトロボット形態を生成する物理拡張拡散モデルであるDiffuseBotを提案する。
我々は、その能力とともに、シミュレーションされた、そして製造された様々なロボットを紹介します。
論文 参考訳(メタデータ) (2023-11-28T18:58:48Z) - 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) - A Neuro-mimetic Realization of the Common Model of Cognition via Hebbian
Learning and Free Energy Minimization [55.11642177631929]
大規模なニューラル生成モデルは、意味的に豊富なテキストのパスを合成したり、複雑な画像を生成することができる。
我々はコモン・モデル・オブ・コグニティブ・ニューラル・ジェネレーティブ・システムについて論じる。
論文 参考訳(メタデータ) (2023-10-14T23:28:48Z) - 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) - Co-evolving morphology and control of soft robots using a single genome [0.0]
本稿では,ロボットの形態と制御を共進化させる新しい手法を提案する。
本手法は,1つのゲノムからエージェントの「脳」と「体」の両方を抽出し,それらを同時に開発する。
提案手法を4つのタスクで評価し,探索空間が大きくても1つのゲノムを持つと進化過程の収束が早くなることを示した。
論文 参考訳(メタデータ) (2022-12-22T07:34:31Z) - The Effects of the Environment and Linear Actuators on Robot
Morphologies [0.0]
既存のRoboGenフレームワーク(リニアアクチュエータ)に骨格筋にインスパイアされた新しいモジュールを追加する効果について検討した。
ロボットは, 粗い環境下で進化し, 粗い環境下で進化した。
論文 参考訳(メタデータ) (2022-04-02T20:03:32Z) - Heritability in Morphological Robot Evolution [2.7402733069181]
遺伝性の生物学的概念を導入し,遺伝子型変異による表現型変異の量を把握する。
解析では,2つの異なるエンコーディングから進化した第1世代のロボットの遺伝性を測定した。
遺伝性は遺伝子型と表現型との関係をよりよく理解するための有用なツールであることを示す。
論文 参考訳(メタデータ) (2021-10-21T14:58:17Z) - Neuromorphic adaptive spiking CPG towards bio-inspired locomotion of
legged robots [58.720142291102135]
スパイクセントラルパターンジェネレーターは、外部刺激によって駆動される異なる移動パターンを生成します。
終端ロボットプラットフォーム(あらゆる脚ロボット)の移動は、任意のセンサーを入力として地形に適応することができる。
論文 参考訳(メタデータ) (2021-01-24T12:44:38Z) - The Dynamic of Body and Brain Co-Evolution [0.0]
本稿では,ロボットの身体と制御特性の共進化を可能にする手法を提案する。
ロボットの形態的特性を手作業で設計した形態的バプランに適応させたり、形態的バプランを進化させたりすることができる。
以上の結果から,共適応体と制御特性を持つロボットは,手作り形態が固定されたロボットよりも優れていたことが示唆された。
論文 参考訳(メタデータ) (2020-11-23T14:41:57Z)
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。