論文の概要: Imitation of Life: A Search Engine for Biologically Inspired Design

• arxiv url: http://arxiv.org/abs/2312.12681v1
• Date: Wed, 20 Dec 2023 00:45:27 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-21 17:12:22.284875
• Title: Imitation of Life: A Search Engine for Biologically Inspired Design
• Title（参考訳）: 生命の模倣: 生物にインスパイアされたデザインのための検索エンジン
• Authors: Hen Emuna, Nadav Borenstein, Xin Qian, Hyeonsu Kang, Joel Chan, Aniket Kittur, Dafna Shahaf
• Abstract要約: 本稿では,Webからバイオインスピレーションを自動的に抽出する検索エンジンであるBARcodeを紹介する。 自然言語の理解とデータプログラミングの進歩を利用して、BARcodeはエンジニアリング上の課題に対する潜在的なインスピレーションを特定する。 我々の実験は、BARcodeがエンジニアやデザイナーにとって価値のあるインスピレーションを回収できることを示した。
• 参考スコア（独自算出の注目度）: 24.603613726911373
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Biologically Inspired Design (BID), or Biomimicry, is a problem-solving methodology that applies analogies from nature to solve engineering challenges. For example, Speedo engineers designed swimsuits based on shark skin. Finding relevant biological solutions for real-world problems poses significant challenges, both due to the limited biological knowledge engineers and designers typically possess and to the limited BID resources. Existing BID datasets are hand-curated and small, and scaling them up requires costly human annotations. In this paper, we introduce BARcode (Biological Analogy Retriever), a search engine for automatically mining bio-inspirations from the web at scale. Using advances in natural language understanding and data programming, BARcode identifies potential inspirations for engineering challenges. Our experiments demonstrate that BARcode can retrieve inspirations that are valuable to engineers and designers tackling real-world problems, as well as recover famous historical BID examples. We release data and code; we view BARcode as a step towards addressing the challenges that have historically hindered the practical application of BID to engineering innovation.
• Abstract（参考訳）: BID(Bioologically Inspireed Design)は、工学的な課題を解決するために自然と類似する手法である。 例えばspeedoのエンジニアたちは、サメの皮膚に基づいて水着をデザインした。 現実世界の問題に対する関連する生物学的ソリューションを見つけることは、生物知識技術者やデザイナーが通常持つ限られたBIDリソースのために、大きな課題を引き起こす。 既存の入札データセットは手作りで小さく、スケールアップには高価な人的アノテーションが必要です。 本稿では,Webからバイオインスピレーションを自動的に抽出する検索エンジンであるBARcode(Biological Analogy Retriever)を紹介する。 自然言語の理解とデータプログラミングの進歩を利用して、BARcodeはエンジニアリングの課題に対する潜在的なインスピレーションを特定する。 我々の実験は、BARcodeがエンジニアやデザイナーにとって価値のあるインスピレーションを回収できることを示した。 私たちは、BARcodeを、歴史的にエンジニアリングイノベーションへのBIDの実践的応用を妨げる課題に対処するためのステップだと考えています。

関連論文リスト

• LLMs as Continuous Learners: Improving the Reproduction of Defective Code in Software Issues [62.12404317786005]
  EvoCoderは、イシューコード再現のための継続的学習フレームワークである。 その結果,既存のSOTA法よりも20%改善した。
  論文  参考訳（メタデータ） (2024-11-21T08:49:23Z)
• Enhancing Scientific Reproducibility Through Automated BioCompute Object Creation Using Retrieval-Augmented Generation from Publications [0.0]
  IEEE Biocompute Object(BCO)標準は、ニーズに対処するが、準拠するドキュメントを作成するオーバーヘッドのため、採用上の課題に直面している。 本稿では,Large Language Models(LLM)とRAG(Retrieval-Augmented Generation)を用いた科学論文からのBCOの自動生成手法を提案する。 この実装には最適化された検索プロセスが含まれており、再ランク付けされた2パスの検索と、各BCOドメインに対して慎重に設計されたプロンプトが採用されている。
  論文  参考訳（メタデータ） (2024-09-23T14:51:22Z)
• DISCOVERYWORLD: A Virtual Environment for Developing and Evaluating Automated Scientific Discovery Agents [49.74065769505137]
  本研究では,新しい科学的発見の完全なサイクルを実行するエージェントの能力を開発し,ベンチマークする最初の仮想環境であるDiscoVERYWORLDを紹介する。 8つのトピックにまたがる120の異なる課題タスクが含まれており、3レベルの難易度といくつかのパラメトリックなバリエーションがある。 従来の環境においてよく機能する強力なベースラインエージェントが、ほとんどのdiscoVERYWORLDタスクに苦労していることがわかった。
  論文  参考訳（メタデータ） (2024-06-10T20:08:44Z)
• Survey of Automatic Plankton Image Recognition: Challenges, Existing Solutions and Future Perspectives [0.17976232077413598]
  プランクトン生物は水生生態系の重要な要素であり、環境の変化に迅速に反応する。 現代のプランクトンイメージング装置は、高頻度でサンプリングするために利用することができ、プランクトン集団を研究する新しい可能性を可能にしている。 しかし、データの手動分析はコストがかかり、時間がかかり、専門家がベースとなっているため、大規模なアプリケーションには適さない。 大量の研究が行われたにも拘わらず、自動的な手法は運用に広く採用されていない。
  論文  参考訳（メタデータ） (2023-05-19T15:20:00Z)
• Biologically Inspired Design Concept Generation Using Generative Pre-Trained Transformers [13.852758740799452]
  本稿では、生成事前学習言語モデル(PLM)に基づく生成設計手法を提案する。 問題空間表現のゆるさに応じて、3種類の設計概念生成器をPLMから同定し、微調整する。 このアプローチは評価され、その後、軽量の空飛ぶ自動車を設計する現実世界のプロジェクトで使用される。
  論文  参考訳（メタデータ） (2022-12-26T16:06:04Z)
• Learning Robotic Navigation from Experience: Principles, Methods, and Recent Results [94.60414567852536]
  現実世界のナビゲーションは、単純な幾何学的抽象化に反する複雑な物理的課題の集合を示す。 機械学習は、幾何学や従来の計画を超えた、有望な方法を提供する。 本稿では,ロボットナビゲーションスキルを実験的に学習するツールキットについて紹介する。
  論文  参考訳（メタデータ） (2022-12-13T17:41:58Z)
• Generative Pre-Trained Transformers for Biologically Inspired Design [13.852758740799452]
  本稿では,事前学習言語モデル(PLM)に基づく生成設計手法を提案する。 問題空間表現のゆるさに応じて、3種類の設計概念生成器をPLMから同定し、微調整する。 このアプローチは、自然にインスパイアされた軽量の空飛ぶ車の概念の生成と評価に微調整されたモデルを適用するケーススタディによってテストされる。
  論文  参考訳（メタデータ） (2022-03-31T11:13:22Z)
• OPEn: An Open-ended Physics Environment for Learning Without a Task [132.6062618135179]
  オープンエンドな物理環境で学んだ世界のモデルが、特定のタスクを伴わずに、下流の物理推論タスクに再利用できるかどうかについて検討する。 我々は,OPEn(Open-ended Physics ENvironment)のベンチマークを構築し,この環境における学習表現をテストするためのいくつかのタスクを明示的に設計する。 その結果、教師なしのコントラスト学習を表現学習に用いたエージェントと、探索のためのインパクト駆動学習が最良の結果となった。
  論文  参考訳（メタデータ） (2021-10-13T17:48:23Z)
• The MineRL BASALT Competition on Learning from Human Feedback [58.17897225617566]
  MineRL BASALTコンペティションは、この重要な種類の技術の研究を促進することを目的としている。 Minecraftでは、ハードコードされた報酬関数を書くのが難しいと期待する4つのタスクのスイートを設計しています。 これら4つのタスクのそれぞれについて、人間のデモのデータセットを提供するとともに、模擬学習ベースラインを提供する。
  論文  参考訳（メタデータ） (2021-07-05T12:18:17Z)
• Trinity: A No-Code AI platform for complex spatial datasets [0.517355328393023]
  我々は、機械学習研究者と非技術ドメインの専門家の両方が、ドメイン固有の信号とデータセットを実験して、さまざまな複雑な問題を解決することができるようにするための、Trinity(トリニティ)と呼ばれるノーコード人工知能(AI)プラットフォームを紹介します。 多様な問題を解決するためのこの汎用性は、複雑な時空間データセットを変換して、標準的なディープラーニングモデルで使用可能にすることで実現される。 直感的なユーザインターフェース、複雑な機能エンジニアリングのデリバティブをホストする機能ストア、ディープラーニングカーネル、スケーラブルなデータ処理メカニズムによって、Trinityは強力なプラットフォームを提供する。
  論文  参考訳（メタデータ） (2021-06-21T08:28:34Z)
• Batch Exploration with Examples for Scalable Robotic Reinforcement Learning [63.552788688544254]
  BEE(Batch Exploration with Examples)は、重要状態の画像の少ない数の人間がガイドする状態空間の関連領域を探索する。 BEEは、シミュレーションと本物のフランカロボットの両方で、視覚ベースの操作に挑戦することができる。
  論文  参考訳（メタデータ） (2020-10-22T17:49:25Z)

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。