Fugu-MT 論文翻訳(概要): Simulated Autopoiesis in Liquid Automata

論文の概要: Simulated Autopoiesis in Liquid Automata

arxiv url: http://arxiv.org/abs/2401.07969v1
Date: Mon, 15 Jan 2024 21:23:23 GMT
ステータス: 処理完了
システム内更新日: 2024-01-17 15:48:48.432122
Title: Simulated Autopoiesis in Liquid Automata
Title（参考訳）: 液体オートマトンにおけるシミュレートオートポエシス
Authors: Steve Battle
Abstract要約: 液体オートマタ(Liquid Automata)は、粒子が他の粒子と衝突する際にどのように変換されるかという追加の規則を持つ粒子シミュレーションである。セルオートマトンとは異なり、固定格子や時間ステップはなく、粒子のみが連続的な空間/時間で互いに動き、衝突する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We present a novel form of Liquid Automata, using this to simulate autopoiesis, whereby living machines self-organise in the physical realm. This simulation is based on an earlier Cellular Automaton described by Francisco Varela. The basis of Liquid Automata is a particle simulation with additional rules about how particles are transformed on collision with other particles. Unlike cellular automata, there is no fixed grid or time-step, only particles moving about and colliding with each other in a continuous space/time.
Abstract（参考訳）: 本稿では, 生体機械が物理的領域で自己組織するオートポエシスをシミュレートするために, 液体オートマタの新たな形態を提案する。このシミュレーションは、フランシスコ・ヴァレラが記述した初期のセルラーオートマトンに基づいている。液体オートマトン(liquid automata)は、粒子が他の粒子と衝突してどのように変換されるかに関する追加ルールを持つ粒子シミュレーションである。セルオートマトンとは異なり、固定格子や時間ステップはなく、粒子のみが連続的な空間/時間で互いに動き、衝突する。

関連論文リスト

SENC: Handling Self-collision in Neural Cloth Simulation [17.848249654104382]
SENCは、布の自己修復の課題に対処する、新しい自己教師型ニューラルネットワークである。本研究では,ランダムな外力に応答して布の挙動をシミュレーションで学習できる効果的な外力スキームを提案する。
論文参考訳（メタデータ） (2024-07-17T11:05:31Z)
Latent Intuitive Physics: Learning to Transfer Hidden Physics from A 3D Video [58.043569985784806]
本稿では,物理シミュレーションのための伝達学習フレームワークである潜在直観物理学を紹介する。単一の3Dビデオから流体の隠れた性質を推測し、新しいシーンで観察された流体をシミュレートすることができる。我々は,本モデルの有効性を3つの方法で検証する: (i) 学習されたビジュアルワールド物理を用いた新しいシーンシミュレーション, (ii) 観測された流体力学の将来予測, (iii) 教師付き粒子シミュレーション。
論文参考訳（メタデータ） (2024-06-18T16:37:44Z)
DrEureka: Language Model Guided Sim-To-Real Transfer [64.14314476811806]
シミュレーションで学んだ政策を現実世界に伝達することは、ロボットのスキルを大規模に獲得する上で有望な戦略である。本稿では,Large Language Models (LLMs) を用いてシム・トゥ・リアル設計の自動化と高速化を行う。本手法では,ヨガボールの上を歩行する四足歩行や四足歩行など,新しいロボットタスクを解くことができる。
論文参考訳（メタデータ） (2024-06-04T04:53:05Z)
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)
Self-Replication, Spontaneous Mutations, and Exponential Genetic Drift in Neural Cellular Automata [0.0]
本稿では,ニューラルセルオートマタにおける自然発生,遺伝性突然変異,指数的遺伝的ドリフトと自己複製を示すパターンについて報告する。変異や継承性について明示的に訓練されていないモデルにもかかわらず、子孫パターンは、たとえオートマトンが決定論的であっても、祖先パターンから指数関数的に逸脱する。
論文参考訳（メタデータ） (2023-05-22T13:48:46Z)
Differentiable Physics Simulation of Dynamics-Augmented Neural Objects [40.587385809005355]
深層ネットワークとしてパラメータ化された連続密度場としてそれらの幾何学を表現する物体の運動をシミュレートするための微分可能なパイプラインを提案する。我々は、物体の運動特性、質量、質量の中心、慣性行列を推定する。これによりロボットは、動いている物体の静止画像やビデオから視覚的かつ動的に正確な物体モデルを自律的に構築することができる。
論文参考訳（メタデータ） (2022-10-17T20:37:46Z)
DiSECt: A Differentiable Simulator for Parameter Inference and Control in Robotic Cutting [71.50844437057555]
軟質材料を切断するための最初の微分可能シミュレータであるDiSECtについて述べる。シミュレータは、符号付き距離場に基づく連続接触モデルにより有限要素法を増強する。このシミュレータは, 最先端の商用解法を用いて, 結果の力やフィールドに適合するようにキャリブレーションできることを示す。
論文参考訳（メタデータ） (2022-03-19T07:27:19Z)
Robot Learning from Randomized Simulations: A Review [59.992761565399185]
ディープラーニングがロボティクス研究のパラダイムシフトを引き起こし、大量のデータを必要とする方法が好まれている。最先端のアプローチは、データ生成が高速かつ安価であるシミュレーションで学ぶ。本稿では,ランダム化シミュレーションから学習する手法である「領域ランダム化」に焦点をあてる。
論文参考訳（メタデータ） (2021-11-01T13:55:41Z)
Towards self-organized control: Using neural cellular automata to robustly control a cart-pole agent [62.997667081978825]
我々は、カートポールエージェントを制御するために、ニューラルセルオートマトンを使用する。我々は、Q値の推定値として出力セルの状態を用いる深層学習を用いてモデルを訓練した。
論文参考訳（メタデータ） (2021-06-29T10:49:42Z)
Directed percolation in non-unitary quantum cellular automata [0.0]
ドマニ・キンツェルセルオートマトンを一般化する非単位量子セルオートマトンを構築する。テンソルネットワークiTEBDアルゴリズムを用いて数値シミュレーションにより結果の動的進化について検討する。
論文参考訳（メタデータ） (2021-05-04T10:10:16Z)
Numerical Simulation of Critical Quantum Dynamics without Finite Size Effects [0.0]
量子状態において、どのようにして同様の利点が得られるかを示す。吸収状態の量子セルオートマトンで起こる多体臨界ダイナミクスは、無限格子上で直接研究することができる。これは、関連する1次元の非単位の量子セルオートマトン(英語版)の力学をシミュレートすることで効率よく実現できる。
論文参考訳（メタデータ） (2020-10-21T12:48:53Z)

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。