論文の概要: Brain-Body-Task Co-Adaptation can Improve Autonomous Learning and Speed
of Bipedal Walking
- arxiv url: http://arxiv.org/abs/2402.02387v1
- Date: Sun, 4 Feb 2024 07:57:52 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-08 18:44:56.231918
- Title: Brain-Body-Task Co-Adaptation can Improve Autonomous Learning and Speed
of Bipedal Walking
- Title（参考訳）: 自律学習と二足歩行のスピードを改善する脳-身体-タスク共適応
- Authors: Dar\'io Urbina-Mel\'endez, Hesam Azadjou, Francisco J. Valero-Cuevas
- Abstract要約: 脳と体を協調して環境と相互作用させる動物にインスパイアされた私たちは、腱駆動で過剰に作動する二足歩行ロボットを提示する。
本研究は, 植物のバックドライブ可能な特性に根ざした連続的な物理的適応によって, 連続的な物理的適応がいかに駆動されるかを示す。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Inspired by animals that co-adapt their brain and body to interact with the
environment, we present a tendon-driven and over-actuated (i.e., n joint, n+1
actuators) bipedal robot that (i) exploits its backdrivable mechanical
properties to manage body-environment interactions without explicit control,
and (ii) uses a simple 3-layer neural network to learn to walk after only 2
minutes of 'natural' motor babbling (i.e., an exploration strategy that is
compatible with leg and task dynamics; akin to childsplay). This brain-body
collaboration first learns to produce feet cyclical movements 'in air' and,
without further tuning, can produce locomotion when the biped is lowered to be
in slight contact with the ground. In contrast, training with 2 minutes of
'naive' motor babbling (i.e., an exploration strategy that ignores leg task
dynamics), does not produce consistent cyclical movements 'in air', and
produces erratic movements and no locomotion when in slight contact with the
ground. When further lowering the biped and making the desired leg trajectories
reach 1cm below ground (causing the desired-vs-obtained trajectories error to
be unavoidable), cyclical movements based on either natural or naive babbling
presented almost equally persistent trends, and locomotion emerged with naive
babbling. Therefore, we show how continual learning of walking in unforeseen
circumstances can be driven by continual physical adaptation rooted in the
backdrivable properties of the plant and enhanced by exploration strategies
that exploit plant dynamics. Our studies also demonstrate that the bio-inspired
codesign and co-adaptations of limbs and control strategies can produce
locomotion without explicit control of trajectory errors.
- Abstract（参考訳）: 脳と体を協調して環境と相互作用させる動物にインスパイアされた我々は、腱駆動で過剰に作動する(n関節、n+1アクチュエーター)二足歩行ロボットを提示する。
(i)その逆処理可能な機械的特性を利用して、明示的な制御なしに体-環境相互作用を管理する。
(ii)単純な3層ニューラルネットワークを用いて「自然な」モーターバブリングのわずか2分後に歩くことを学ぶ(つまり、脚とタスクダイナミクスと互換性のある探索戦略;子供遊びに似ている)。
この脳と身体の協調は、まず「空気中」に足の循環運動を生じさせ、さらにチューニングすることなく、二足歩行を下げて地面とわずかに接触した場合に運動を生じさせる。
対照的に、2分間の「ナイーブ」運動バブリング(足の作業ダイナミクスを無視する探索戦略)によるトレーニングは、一貫した循環運動を「空気中」に生成せず、地面との接触時に不規則な動きを生じない。
さらに二足歩行を下降させ,所望の脚軌跡を1cm下降させると(所望のvs軌道誤差は避けられない)、自然的または裸的バブリングに基づく循環運動はほぼ同じ傾向を示し、ナイーブバブリングにより移動が出現した。
そこで本研究では,不測の状況下での歩行の連続学習が,植物の逆行性特性に根ざした連続的適応と,植物の動態を生かした探索戦略によって促進されることを示す。
また, バイオインスパイアされた手足のコードサインと協調適応が, 軌道誤差を明示的に制御することなく移動を創出できることを示した。
関連論文リスト
- Reinforcement Learning for Versatile, Dynamic, and Robust Bipedal Locomotion Control [106.32794844077534]
本稿では,二足歩行ロボットのための動的移動制御系を構築するために,深層強化学習を用いた研究について述べる。
本研究では、周期歩行やランニングから周期ジャンプや立位に至るまで、様々な動的二足歩行技術に使用できる汎用的な制御ソリューションを開発する。
この研究は、二足歩行ロボットの俊敏性の限界を、現実世界での広範な実験を通じて押し上げる。
論文 参考訳（メタデータ） (2024-01-30T10:48:43Z) - Natural and Robust Walking using Reinforcement Learning without
Demonstrations in High-Dimensional Musculoskeletal Models [29.592874007260342]
人間は複雑な自然環境の中を歩く頑丈な二足歩行で運動します。
神経系が筋骨格の冗長性をどのように解決し、多目的制御問題を解決するかは、まだ完全には分かっていない。
論文 参考訳（メタデータ） (2023-09-06T13:20:31Z) - Persistent-Transient Duality: A Multi-mechanism Approach for Modeling
Human-Object Interaction [58.67761673662716]
人間は高度に適応可能で、異なるタスク、状況、状況を扱うために異なるモードを素早く切り替える。
人間と物体の相互作用(HOI)において、これらのモードは、(1)活動全体に対する大規模な一貫した計画、(2)タイムラインに沿って開始・終了する小規模の子どもの対話的行動の2つのメカニズムに起因していると考えられる。
本研究は、人間の動作を協調的に制御する2つの同時メカニズムをモデル化することを提案する。
論文 参考訳（メタデータ） (2023-07-24T12:21:33Z) - Barkour: Benchmarking Animal-level Agility with Quadruped Robots [70.97471756305463]
脚付きロボットのアジリティを定量化するための障害物コースであるBarkourベンチマークを導入する。
犬の機敏性の競争に触発され、様々な障害と時間に基づくスコアリング機構から構成される。
ベンチマークに対処する2つの方法を提案する。
論文 参考訳（メタデータ） (2023-05-24T02:49:43Z) - From Data-Fitting to Discovery: Interpreting the Neural Dynamics of
Motor Control through Reinforcement Learning [3.6159844753873087]
足の移動を行う仮想ロボットの構造的神経活動について検討した。
歩行訓練されたエンボディードエージェントは、タングリングを避けるスムーズなダイナミックスを示す。
論文 参考訳（メタデータ） (2023-05-18T16:52:27Z) - An Adaptable Approach to Learn Realistic Legged Locomotion without
Examples [38.81854337592694]
本研究は,バネ装荷逆振り子モデルを用いて学習プロセスを導くことで,移動における現実性を保証するための汎用的アプローチを提案する。
モデルのない設定であっても、2足歩行ロボットと4足歩行ロボットに対して、学習したポリシーが現実的でエネルギー効率のよい移動歩行を生成できることを示す実験結果を示す。
論文 参考訳（メタデータ） (2021-10-28T10:14:47Z) - Minimizing Energy Consumption Leads to the Emergence of Gaits in Legged
Robots [71.61319876928009]
実四足歩行ロボットにおいて,エネルギー消費を最小化するための学習が自然移動歩行の出現に重要な役割を担っていることを示す。
創発的な足跡は理想的な地形で構築されており、馬や羊のものと似ている。
同じアプローチは、動物運動制御の発見と一致した荒地における非構造的な歩行につながる。
論文 参考訳（メタデータ） (2021-10-25T17:59:58Z) - Reinforcement Learning for Robust Parameterized Locomotion Control of
Bipedal Robots [121.42930679076574]
シミュレーションにおけるロコモーションポリシをトレーニングするためのモデルフリー強化学習フレームワークを提案する。
ドメインランダム化は、システムダイナミクスのバリエーションにまたがる堅牢な振る舞いを学ぶためのポリシーを奨励するために使用されます。
本研究では、目標歩行速度、歩行高さ、旋回ヨーなどの多目的歩行行動について示す。
論文 参考訳（メタデータ） (2021-03-26T07:14:01Z) - Learning Quadrupedal Locomotion over Challenging Terrain [68.51539602703662]
足の移動はロボティクスの操作領域を劇的に拡張することができる。
足の移動のための従来のコントローラーは、運動プリミティブと反射の実行を明示的にトリガーする精巧な状態マシンに基づいている。
ここでは、自然環境に挑戦する際の足の移動に対して、徹底的に頑健な制御器を提案する。
論文 参考訳（メタデータ） (2020-10-21T19:11:20Z) - Adaptive control for hindlimb locomotion in a simulated mouse through
temporal cerebellar learning [0.0]
マウスの筋骨格系を適応的に移動させるバイオインスパイアされた制御系について述べる。
小脳様モジュールは、二重支持中間非対称性を時間的指導信号として使用することにより、ステップタイムを適応させる。
以上の結果から,ヒトやマウスにみられるように,間欠的パラメータの適応的な移動行動が認められた。
論文 参考訳（メタデータ） (2020-02-07T14:25:21Z)
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。