論文の概要: Bio-Inspired Compensatory Strategies for Damage to Flapping Robotic
Propulsors
- arxiv url: http://arxiv.org/abs/2402.01062v1
- Date: Thu, 1 Feb 2024 23:26:16 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-05 17:29:20.444486
- Title: Bio-Inspired Compensatory Strategies for Damage to Flapping Robotic
Propulsors
- Title（参考訳）: バイオインスパイアによる羽ばたきロボットプロパルサーの損傷補償戦略
- Authors: Meredith L. Hooper, Isabel Scherl, and Morteza Gharib
- Abstract要約: 我々は、人工進化によって損傷したロボットシステムに対して、脳卒中メカニクスのどの変更が最適かを決定することを模索する。
部分切断後のスラスト生成を再開するため,最も効率的な学習方法は,振幅の増大,周波数の増大,攻撃角度の増大であった。
以上の結果から, 羽ばたき推進器の損傷に対して, 機械的羽ばたき推進器が最も効率的に適応できることが示唆された。
- 参考スコア（独自算出の注目度）: 0.9217021281095907
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: To maintain full autonomy, autonomous robotic systems must have the ability
to self-repair. Self-repairing via compensatory mechanisms appears in nature:
for example, some fish can lose even 76% of their propulsive surface without
loss of thrust by altering stroke mechanics. However, direct transference of
these alterations from an organism to a robotic flapping propulsor may not be
optimal due to irrelevant evolutionary pressures. We instead seek to determine
what alterations to stroke mechanics are optimal for a damaged robotic system
via artificial evolution. To determine whether natural and machine-learned
optima differ, we employ a cyber-physical system using a Covariance Matrix
Adaptation Evolutionary Strategy to seek the most efficient trajectory for a
given force. We implement an online optimization with hardware-in-the-loop,
performing experimental function evaluations with an actuated flexible flat
plate. To recoup thrust production following partial amputation, the most
efficient learned strategy was to increase amplitude, increase frequency,
increase the amplitude of angle of attack, and phase shift the angle of attack
by approximately 110 degrees. In fish, only an amplitude increase is reported
by majority in the literature. To recoup side-force production, a more
challenging optimization landscape is encountered. Nesting of optimal angle of
attack traces is found in the resultant-based reference frame, but no clear
trend in amplitude or frequency are exhibited -- in contrast to the increase in
frequency reported in insect literature. These results suggest that how
mechanical flapping propulsors most efficiently adjust to damage of a flapping
propulsor may not align with natural swimmers and flyers.
- Abstract（参考訳）: 完全な自律性を維持するためには、自律ロボットシステムは自己修復能力を持つ必要がある。
例えば、一部の魚は、ストロークの力学を変えることによって、推力を失うことなく、脈動面の76%も失われることがある。
しかしながら、生物からロボットの羽ばたき推進器へのこれらの変化は、無関係な進化的な圧力のために最適ではないかもしれない。
代わりに私たちは、人工進化によって損傷したロボットシステムに最適な脳卒中メカニックの変更を判断しようとします。
自然と機械学習の最適性の違いを判定するために,共分散行列適応進化戦略を用いたサイバー物理システムを用いて,与えられた力に対して最も効率的な軌道を求める。
ハードウェアインザループによるオンライン最適化を実装し,アクティベートされたフレキシブル平板を用いて実験関数評価を行う。
部分切断後の推力生産を再開するため、最も効率的な学習戦略は、振幅を増大させ、周波数を増大させ、攻撃角度を増大させ、攻撃角度を約110度変化させることであった。
魚類では、文献の多数が振幅の増加のみを報告している。
サイドフォース生産を再構築するために、より困難な最適化の状況に直面する。
攻撃痕跡の最適な角度のネスティングは、結果に基づく基準フレームで見られるが、昆虫の文献で報告される頻度の増加とは対照的に、振幅や周波数の明確な傾向は示されていない。
これらの結果から, 機械的羽ばたき推進機が, 羽ばたき推進機の損傷に最も効果的に適応できることが示唆された。
関連論文リスト
- Combating Spatial Disorientation in a Dynamic Self-Stabilization Task Using AI Assistants [5.42300240053097]
空間的不整合は、致命的な航空機事故の主要な原因である。
本稿では、パイロットがバランスを維持し、回収不能な制御損失を防止できるAIエージェントの可能性について検討する。
論文 参考訳（メタデータ） (2024-09-09T21:06:22Z) - 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) - Intelligent Collective Escape of Swarm Robots Based on a Novel
Fish-inspired Self-adaptive Approach with Neurodynamic Models [5.478000072204037]
魚の学校行動は、通常、群れロボットの設計制御アーキテクチャに良いインスピレーションを与える。
魚にインスパイアされた新しい自己適応型アプローチが,群れロボットの集団脱出のために提案されている。
いくつかの比較研究により,提案手法はシステム性能の有効性と効率を著しく向上させることができることが示された。
論文 参考訳（メタデータ） (2024-02-06T18:36:44Z) - Back-stepping Experience Replay with Application to Model-free Reinforcement Learning for a Soft Snake Robot [15.005962159112002]
Back-stepping Experience Replay (BER)は、任意の外部強化学習アルゴリズムと互換性がある。
柔らかいヘビロボットの移動とナビゲーションのためのモデルレスRLアプローチにおけるBERの適用について述べる。
論文 参考訳（メタデータ） (2024-01-21T02:17:16Z) - 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) - Severe Damage Recovery in Evolving Soft Robots through Differentiable
Programming [7.198483427085636]
そこで我々は,神経細胞オートマトンに基づくシステムを提案する。そこでは,ロボットが進化し,勾配に基づくトレーニングによって損傷から形態を再生する能力を与える。
結果として生じる神経細胞オートマトンは、深刻な形態的損傷を受けた後でも80%以上の機能を回復できる仮想ロボットを成長させることができる。
論文 参考訳（メタデータ） (2022-06-14T08:05:42Z) - REvolveR: Continuous Evolutionary Models for Robot-to-robot Policy
Transfer [57.045140028275036]
本研究では,運動学や形態学など,異なるパラメータを持つ2つの異なるロボット間でポリシーを伝達する問題を考察する。
模倣学習手法を含む動作や状態遷移の分布を一致させることで、新しいポリシーを訓練する既存のアプローチは、最適な動作や/または状態分布が異なるロボットでミスマッチしているために失敗する。
本稿では,物理シミュレータに実装されたロボット政策伝達に連続的進化モデルを用いることで,$RevolveR$という新しい手法を提案する。
論文 参考訳（メタデータ） (2022-02-10T18:50:25Z) - No Parameters Left Behind: Sensitivity Guided Adaptive Learning Rate for
Training Large Transformer Models [132.90062129639705]
本稿では,全てのパラメータを十分に訓練するための新しいトレーニング戦略を提案する。
感度の低いパラメータは冗長であり、学習率を高めて適合性を改善する。
対照的に、高い感度を持つパラメータを十分に訓練し、学習率を下げて正規化することで、さらなる過度なオーバーフィッティングを防止する。
論文 参考訳（メタデータ） (2022-02-06T00:22:28Z) - 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) - 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) - Model-Based Meta-Reinforcement Learning for Flight with Suspended
Payloads [69.21503033239985]
吊り下げられたペイロードの輸送は、自律的な航空車両にとって困難である。
接続後飛行データから数秒以内に変化力学のモデルを学習するメタラーニング手法を提案する。
論文 参考訳（メタデータ） (2020-04-23T17:43:56Z)
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。