論文の概要: Intelligent Collective Escape of Swarm Robots Based on a Novel Fish-inspired Self-adaptive Approach with Neurodynamic Models

• arxiv url: http://arxiv.org/abs/2402.04228v1
• Date: Tue, 6 Feb 2024 18:36:44 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-07 13:27:15.262027
• Title: Intelligent Collective Escape of Swarm Robots Based on a Novel Fish-inspired Self-adaptive Approach with Neurodynamic Models
• Title（参考訳）: ニューロダイナミックモデルを用いた新しい魚型自己適応アプローチに基づく群ロボットの知的集団脱出
• Authors: Junfei Li, Simon X. Yang
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 5.478000072204037
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Fish schools present high-efficiency group behaviors through simple individual interactions to collective migration and dynamic escape from the predator. The school behavior of fish is usually a good inspiration to design control architecture for swarm robots. In this paper, a novel fish-inspired self-adaptive approach is proposed for collective escape for the swarm robots. In addition, a bio-inspired neural network (BINN) is introduced to generate collision-free escape robot trajectories through the combination of attractive and repulsive forces. Furthermore, to cope with dynamic environments, a neurodynamics-based self-adaptive mechanism is proposed to improve the self-adaptive performance of the swarm robots in the changing environment. Similar to fish escape maneuvers, simulation and experimental results show that the swarm robots are capable of collectively leaving away from the threats. Several comparison studies demonstrated that the proposed approach can significantly improve the effectiveness and efficiency of system performance, and the flexibility and robustness in complex environments.
• Abstract（参考訳）: 魚学校は集団移動と捕食者からの動的脱出への単純な個別の相互作用を通じて、高い効率の集団行動を示す。 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。 本稿では,スワムロボットの集団脱出のための新しい魚型自己適応手法を提案する。 さらに、バイオインスパイアされたニューラルネットワーク(BINN)を導入し、魅力的な力と反発力を組み合わせた衝突のない脱出ロボット軌道を生成する。 さらに, 動的環境に対処するため, 変化する環境下での群ロボットの自己適応性能を向上させるために, 神経力学に基づく自己適応機構を提案する。 魚の脱出操作と同様に、シミュレーションと実験の結果、群れロボットは脅威から一括して離れることができることが示された。 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、および複雑な環境における柔軟性と堅牢性を大幅に改善できることを示した。

関連論文リスト

• SpikingSoft: A Spiking Neuron Controller for Bio-inspired Locomotion with Soft Snake Robots [9.358725923314006]
  本研究は, 柔らかいヘビの振動を利用した移動歩行の可能性を探るものである。 可変出力パターンを生成するために、調整可能なしきい値を持つDouble Threshold Spiking Neuronモデルを導入する。 当社のアプローチであるSpkingSoftが自然にペアリングし,強化学習と統合できることを実証する。
  論文  参考訳（メタデータ） (2025-01-31T12:00:54Z)
• Learning Adaptive Hydrodynamic Models Using Neural ODEs in Complex Conditions [9.392180262607921]
  強化学習に基づく四足歩行ロボットは、様々な地形を横断するが、水中で泳ぐ能力は乏しい。 本稿では,水陸両用四足歩行ロボットのためのデータ駆動型流体力学モデルの開発と評価について述べる。
  論文  参考訳（メタデータ） (2024-10-01T08:18:36Z)
• Innate Motivation for Robot Swarms by Minimizing Surprise: From Simple Simulations to Real-World Experiments [6.21540494241516]
  大規模モバイルマルチロボットシステムは、堅牢性とスケーラビリティの可能性が高いため、モノリシックロボットよりも有益である。 マルチロボットシステムのためのコントローラの開発は、対話の多さが予測し難く、モデル化が難しいため、難しい。 本質的にモチベーションは報酬の特定の定式化を避け、好奇心などの異なるドライバで作業しようとする。 Swarmのロボットケースのユニークな利点は、Swarmのメンバーがロボットの環境に飛び込み、自己参照ループでより活発な行動を引き起こすことができることである。
  論文  参考訳（メタデータ） (2024-05-04T06:25:58Z)
• Adapt On-the-Go: Behavior Modulation for Single-Life Robot Deployment [88.06408322210025]
  展開中のシナリオにオンザフライで適応する問題について検討する。 ROAM(RObust Autonomous Modulation)は,事前学習した行動の知覚値に基づくメカニズムを提案する。 ROAMによりロボットはシミュレーションと実Go1の四足歩行の両方の動的変化に迅速に適応できることを示す。
  論文  参考訳（メタデータ） (2023-11-02T08:22:28Z)
• Open-endedness induced through a predator-prey scenario using modular robots [0.0]
  本研究は,捕食者・捕食者のシナリオがオープン・エンデッド・エボリューション(OEE)の出現を誘発する方法について考察する。 制御器が進化する固定形態のモジュラーロボットを利用する。
  論文  参考訳（メタデータ） (2023-09-20T12:58:51Z)
• Learning Goal-based Movement via Motivational-based Models in Cognitive Mobile Robots [58.720142291102135]
  人間は、強さと文脈に応じて行動を促進する必要がある。 また、各行動の知覚的快楽に関連する嗜好も作り出します。 これにより、意思決定がより複雑になり、コンテキストに応じてニーズと嗜好のバランスを取ることが求められます。
  論文  参考訳（メタデータ） (2023-02-20T04:52:24Z)
• Active Predicting Coding: Brain-Inspired Reinforcement Learning for Sparse Reward Robotic Control Problems [79.07468367923619]
  ニューラルジェネレーティブ・コーディング(NGC)の神経認知計算フレームワークによるロボット制御へのバックプロパゲーションフリーアプローチを提案する。 我々は、スパース報酬から動的オンライン学習を容易にする強力な予測符号化/処理回路から完全に構築されたエージェントを設計する。 提案するActPCエージェントは,スパース(外部)報酬信号に対して良好に動作し,複数の強力なバックプロップベースのRLアプローチと競合し,性能が優れていることを示す。
  論文  参考訳（メタデータ） (2022-09-19T16:49:32Z)
• Collective motion emerging from evolving swarm controllers in different environments using gradient following task [2.7402733069181]
  センサと通信能力に制限のあるロボットが環境特性の勾配に従わなければならないという課題を考察する。 我々は、ディファレンシャル進化を用いて、Thymio IIロボットのシミュレーションのためのニューラルネットワークコントローラを進化させる。 進化したロボットコントローラは、タスクを解決したSwarm動作を誘導する。
  論文  参考訳（メタデータ） (2022-03-22T10:08:50Z)
• 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)
• Rapidly Adaptable Legged Robots via Evolutionary Meta-Learning [65.88200578485316]
  本稿では,ロボットが動的変化に迅速に適応できるメタ学習手法を提案する。 提案手法は高雑音環境における動的変化への適応性を著しく改善する。 我々は、動的に変化しながら歩くことを学習する四足歩行ロボットに対するアプローチを検証する。
  論文  参考訳（メタデータ） (2020-03-02T22:56:27Z)
• Enhanced Adversarial Strategically-Timed Attacks against Deep Reinforcement Learning [91.13113161754022]
  本稿では,DRLに基づくナビゲーションシステムに対して,選択した時間フレーム上の物理ノイズパターンを妨害することにより,タイミングに基づく逆方向戦略を導入する。 実験結果から, 対向タイミング攻撃は性能低下を引き起こす可能性が示唆された。
  論文  参考訳（メタデータ） (2020-02-20T21:39:25Z)

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。