論文の概要: A Neuro-Inspired Hierarchical Reinforcement Learning for Motor Control
- arxiv url: http://arxiv.org/abs/2311.07822v1
- Date: Tue, 14 Nov 2023 00:49:12 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-15 15:56:09.221774
- Title: A Neuro-Inspired Hierarchical Reinforcement Learning for Motor Control
- Title(参考訳): 運動制御のための神経インスパイア階層強化学習
- Authors: Pei Zhang, Zhaobo Hua, Jinliang Ding
- Abstract要約: 本稿では,ロボットがリッチモータースキルを習得することを可能にする,神経に触発された階層的強化学習アルゴリズムを提案する。
本稿ではまず,基底神経節における随意運動の選択機構を利用して,小脳に類似したスキルネットワークを設計する。
本研究では,4種類のロボットと22種類のタスク環境について実験を行い,提案手法により,柔軟な動作能力を実現することができることを示す。
- 参考スコア(独自算出の注目度): 8.12342098663067
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Designing controllers to achieve natural motion capabilities for multi-joint
robots is a significant challenge. However, animals in nature are naturally
with basic motor abilities and can master various complex motor skills through
acquired learning. On the basis of analyzing the mechanism of the central motor
system in mammals, we propose a neuro-inspired hierarchical reinforcement
learning algorithm that enables robots to learn rich motor skills and apply
them to complex task environments without relying on external data. We first
design a skills network similar to the cerebellum by utilizing the selection
mechanism of voluntary movements in the basal ganglia and the regulatory
ability of the cerebellum to regulate movement. Subsequently, by imitating the
structure of advanced centers in the motion system, we propose a high-level
policy to generate different skill combinations, thereby enabling the robot to
acquire natural motor abilities. We conduct experiments on 4 types of robots
and 22 task environments, and the results show that the proposed method can
enable different types of robots to achieve flexible motion skills. Overall,
our research provides a promising framework for the design of robotic neural
motor controllers.
- Abstract(参考訳): マルチジョイントロボットの自然な動作を実現するためのコントローラーの設計は大きな課題である。
しかし、自然界の動物は自然に基本的な運動能力を持ち、獲得した学習を通じて様々な複雑な運動スキルを習得することができる。
そこで,本研究では,哺乳類の中枢運動系機構の解析を基礎として,ロボットが豊富な運動スキルを学習し,外部データに頼らずに複雑な作業環境に適用できる神経インスパイア階層強化学習アルゴリズムを提案する。
まず,脳底神経節における随意運動の選択機構と小脳の運動調節能力を利用して,小脳に似たスキルネットワークを設計する。
次に,運動系における先進的中心の構造を模倣し,異なるスキルの組み合わせを発生させることにより,ロボットが自然運動能力を身につけることができる高水準の方針を提案する。
本研究では,4種類のロボットと22種類のタスク環境について実験を行い,提案手法により,柔軟な動作能力を実現することができることを示す。
全体として、我々の研究はロボットニューラルモーターコントローラの設計に有望な枠組みを提供する。
関連論文リスト
- RoboGen: Towards Unleashing Infinite Data for Automated Robot Learning
via Generative Simulation [64.51563634951394]
RoboGenはジェネレーティブなロボットエージェントで、ジェネレーティブなシミュレーションを通じて、さまざまなロボットのスキルを自動的に学習する。
我々の研究は、大規模モデルに埋め込まれた広範囲で多目的な知識を抽出し、それらをロボット工学の分野に移す試みである。
論文 参考訳(メタデータ) (2023-11-02T17:59:21Z) - Hierarchical generative modelling for autonomous robots [8.023920215148486]
人型ロボットが、移動、操作、把握の全体的利用を必要とする複雑なタスクを自律的に完了できることを示します。
具体的には、箱を回収して輸送し、ドアを通り抜けて目的地に到達し、接近し、サッカーを蹴ることのできるヒューマノイドロボットの能力を示すとともに、身体の損傷や地面の不規則性の存在下で頑健な性能を示す。
論文 参考訳(メタデータ) (2023-08-15T13:51:03Z) - Decentralized Motor Skill Learning for Complex Robotic Systems [5.669790037378093]
本稿では,分散モータスキル(DEMOS)学習アルゴリズムを提案する。
本手法は, 性能を犠牲にすることなく, 政策の堅牢性と一般化を向上する。
四足歩行ロボットとヒューマノイドロボットの実験は、学習方針が局所的な運動障害に対して堅牢であり、新しいタスクに移行できることを示した。
論文 参考訳(メタデータ) (2023-06-30T05:55:34Z) - 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 and Adapting Agile Locomotion Skills by Transferring Experience [71.8926510772552]
本稿では,既存のコントローラから新しいタスクを学習するために経験を移譲することで,複雑なロボティクススキルを訓練するためのフレームワークを提案する。
提案手法は,複雑なアジャイルジャンプ行動の学習,後肢を歩いたまま目標地点への移動,新しい環境への適応を可能にする。
論文 参考訳(メタデータ) (2023-04-19T17:37:54Z) - Learning to Autonomously Reach Objects with NICO and Grow-When-Required
Networks [12.106301681662655]
発達型ロボティクスアプローチは、物体到達作業のためのNICOプラットフォーム上での視覚的協調学習に使用される。
複数のGWR(Grow-When-Required)ネットワークは、より複雑なモーター動作の学習に使用される。
本研究では,ヒューマノイドロボットNICOが76%の成功率で物体に到達可能であることを示す。
論文 参考訳(メタデータ) (2022-10-14T14:23:57Z) - Towards General and Autonomous Learning of Core Skills: A Case Study in
Locomotion [19.285099263193622]
我々は,足の広いロボットに対して,洗練された移動動作を学習できる学習フレームワークを開発した。
我々の学習フレームワークは、データ効率のよいマルチタスクRLアルゴリズムと、ロボット間で意味論的に同一の報酬関数のセットに依存している。
現実世界の四足ロボットを含む9種類のロボットに対して、同じアルゴリズムが、多種多様な再利用可能な運動スキルを迅速に学習できることを実証する。
論文 参考訳(メタデータ) (2020-08-06T08:23:55Z) - Populations of Spiking Neurons for Reservoir Computing: Closed Loop
Control of a Compliant Quadruped [64.64924554743982]
本稿では,ニューラルネットワークを用いた中央パターン生成機構を実装し,閉ループロボット制御を実現するためのフレームワークを提案する。
本研究では,従順な四足歩行ロボットのシミュレーションモデル上で,予め定義された歩行パターン,速度制御,歩行遷移の学習を実演する。
論文 参考訳(メタデータ) (2020-04-09T14:32:49Z) - Learning Agile Robotic Locomotion Skills by Imitating Animals [72.36395376558984]
動物の多様でアジャイルな運動スキルを再現することは、ロボット工学における長年の課題である。
そこで本研究では,現実世界の動物を模倣することで,足のロボットがアジャイルな運動能力を学ぶことができる模倣学習システムを提案する。
論文 参考訳(メタデータ) (2020-04-02T02:56:16Z) - SAPIEN: A SimulAted Part-based Interactive ENvironment [77.4739790629284]
SAPIENは現実的で物理に富んだシミュレートされた環境であり、音声オブジェクトのための大規模なセットをホストしている。
部品検出と動作特性認識のための最先端の視覚アルゴリズムの評価を行い,ロボットインタラクションタスクの実証を行った。
論文 参考訳(メタデータ) (2020-03-19T00:11:34Z)
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。