論文の概要: Robustness for Free: Quality-Diversity Driven Discovery of Agile Soft Robotic Gaits

• arxiv url: http://arxiv.org/abs/2311.01245v1
• Date: Thu, 2 Nov 2023 14:00:11 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-03 13:26:37.736342
• Title: Robustness for Free: Quality-Diversity Driven Discovery of Agile Soft Robotic Gaits
• Title（参考訳）: 自由のためのロバスト性: 品質-多様性駆動型アジャイルなソフトロボット歩行の発見
• Authors: John Daly, Daniel Casper, Muhammad Farooq, Andrew James, Ali Khan, Phoenix Mulgrew, Daniel Tyebkhan, Bao Vo, John Rieffel
• Abstract要約: 地形変化に頑健な歩留まりのレパートリーを,品質多様性アルゴリズムがいかに生み出すかを示す。 このロバスト性は、単一の目的最適化アルゴリズムによって生成される歩留まりを大きく上回る。
• 参考スコア（独自算出の注目度）: 0.7829600874436199
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Soft robotics aims to develop robots able to adapt their behavior across a wide range of unstructured and unknown environments. A critical challenge of soft robotic control is that nonlinear dynamics often result in complex behaviors hard to model and predict. Typically behaviors for mobile soft robots are discovered through empirical trial and error and hand-tuning. More recently, optimization algorithms such as Genetic Algorithms (GA) have been used to discover gaits, but these behaviors are often optimized for a single environment or terrain, and can be brittle to unplanned changes to terrain. In this paper we demonstrate how Quality Diversity Algorithms, which search of a range of high-performing behaviors, can produce repertoires of gaits that are robust to changing terrains. This robustness significantly out-performs that of gaits produced by a single objective optimization algorithm.
• Abstract（参考訳）: soft roboticsは、さまざまな非構造環境や未知の環境に適応できるロボットを開発することを目指している。 ソフトロボット制御の重要な課題は、非線形力学がしばしばモデル化と予測が難しい複雑な振る舞いをもたらすことである。 通常、移動ソフトロボットの動作は経験的な試行錯誤と手作業によって発見される。 最近では遺伝的アルゴリズム(GA)のような最適化アルゴリズムが歩行の発見に使われてきたが、これらの挙動は単一の環境や地形に最適化されることが多く、計画外の地形変化には脆弱である。 本稿では,高パフォーマンス行動の広範囲を探索する品質多様性アルゴリズムが,地形変化にロバストな歩行の再現性をどのように生み出すかを示す。 このロバスト性は、単一の目的最適化アルゴリズムによって生成される歩留まりを大きく上回る。

関連論文リスト

• 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)
• Automated Gait Generation For Walking, Soft Robotic Quadrupeds [6.005998680766498]
  ソフトアクチュエータの非線形ダイナミクスと高次元入力空間のため,ソフトロボットの歩行生成は困難である。 本稿では, 自己生成型ソフトロボット歩行のためのサンプル効率, シミュレーションフリーの手法を提案する。 これはソフトロボットにおける完全に自律的な歩行生成の最初のデモンストレーションである。
  論文  参考訳（メタデータ） (2023-09-30T21:31:30Z)
• 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)
• Domain Randomization for Robust, Affordable and Effective Closed-loop Control of Soft Robots [10.977130974626668]
  ソフトロボットは、コンタクトや適応性に対する本質的な安全性によって人気を集めている。 本稿では、ソフトロボットのRLポリシーを強化することにより、ドメインランダム化(DR)がこの問題を解決する方法を示す。 本稿では,変形可能なオブジェクトに対する動的パラメータの自動推論のための,従来の適応的領域ランダム化手法に対する新しいアルゴリズム拡張を提案する。
  論文  参考訳（メタデータ） (2023-03-07T18:50:00Z)
• Discovering Unsupervised Behaviours from Full-State Trajectories [1.827510863075184]
  本稿では,自律的に行動特性を見出す品質多様性アルゴリズムとして,自律型ロボットの能力を実現する手法を提案する。 本手法は,ロボットが実状態の軌道から自律的にその能力を見いださなければならないシミュレーションロボット環境において評価する。 より具体的には、分析されたアプローチは、ロボットを多様な位置に移動させるポリシーを自律的に見つけるだけでなく、脚を多様な方法で活用し、ハーフロールも行う。
  論文  参考訳（メタデータ） (2022-11-22T16:57:52Z)
• Gradient-Based Trajectory Optimization With Learned Dynamics [80.41791191022139]
  データからシステムの微分可能なダイナミクスモデルを学習するために、機械学習技術を使用します。 ニューラルネットワークは、大規模な時間的地平線に対して、非常に非線形な振る舞いを正確にモデル化できることが示される。 ハードウェア実験において、学習したモデルがSpotとRadio- controlled (RC)の両方の複雑な力学を表現できることを実証した。
  論文  参考訳（メタデータ） (2022-04-09T22:07:34Z)
• Learning to Walk Autonomously via Reset-Free Quality-Diversity [73.08073762433376]
  品質多様性アルゴリズムは、多様かつ高いパフォーマンスのスキルからなる大規模で複雑な行動レパートリーを発見することができる。 既存のQDアルゴリズムは、手動による人間の監督と介入を必要とするエピソードリセットと同様に、多数の評価を必要とする。 本稿では,オープンエンド環境におけるロボットの自律学習に向けたステップとして,リセットフリー品質多様性最適化(RF-QD)を提案する。
  論文  参考訳（メタデータ） (2022-04-07T14:07:51Z)
• Model Predictive Control for Fluid Human-to-Robot Handovers [50.72520769938633]
  人間の快適さを考慮に入れた計画運動は、人間ロボットのハンドオーバプロセスの一部ではない。 本稿では,効率的なモデル予測制御フレームワークを用いてスムーズな動きを生成することを提案する。 ユーザ数名の多様なオブジェクトに対して,人間とロボットのハンドオーバ実験を行う。
  論文  参考訳（メタデータ） (2022-03-31T23:08:20Z)
• OSCAR: Data-Driven Operational Space Control for Adaptive and Robust Robot Manipulation [50.59541802645156]
  オペレーショナル・スペース・コントロール(OSC)は、操作のための効果的なタスクスペース・コントローラとして使われてきた。 本稿では,データ駆動型OSCのモデル誤差を補償するOSC for Adaptation and Robustness (OSCAR)を提案する。 本手法は,様々なシミュレーション操作問題に対して評価し,制御器のベースラインの配列よりも大幅に改善されていることを示す。
  論文  参考訳（メタデータ） (2021-10-02T01:21:38Z)
• Evolutionary Gait Transfer of Multi-Legged Robots in Complex Terrains [14.787379075870383]
  本稿では、Tr-GOと呼ばれる歩行最適化のための移動学習に基づく進化的フレームワークを提案する。 この考え方は、トランスファーラーニング技術を用いて高品質な人口を初期化することを目的としており、どんな集団ベースの最適化アルゴリズムでもこのフレームワークにシームレスに統合できる。 実験の結果,3つの多目的進化アルゴリズムに基づく歩行最適化問題に対する提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2020-12-24T16:41:36Z)
• Behavioral Repertoires for Soft Tensegrity Robots [0.0]
  モバイルソフトロボットは、都市探索や救助から惑星探査まで幅広い分野に魅力的な応用を提供している。 ソフト・ロボット・コントロールの重要な課題は、ソフト・マテリアルが課す非線形力学が、しばしば非直感的でモデル化や予測が難しい複雑な振る舞いをもたらすことである。 本研究では,ロボット力学の事前知識がなく,人間の介入が最小限である行動レパートリーを自律的に生成する物理ソフトな緊張ロボット上で,モデルフリーで動作する品質多様性アルゴリズムを用いる。
  論文  参考訳（メタデータ） (2020-09-23T00:09:35Z)

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。