論文の概要: Investigating Premature Convergence in Co-optimization of Morphology and
Control in Evolved Virtual Soft Robots
- arxiv url: http://arxiv.org/abs/2402.09231v1
- Date: Wed, 14 Feb 2024 15:21:17 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-15 15:10:27.773183
- Title: Investigating Premature Convergence in Co-optimization of Morphology and
Control in Evolved Virtual Soft Robots
- Title（参考訳）: 進化する仮想ソフトロボットの形態と制御の共最適化における早期収束の検討
- Authors: Alican Mertan and Nick Cheney
- Abstract要約: 進化した仮想ソフトロボットの形態と制御の共最適化は難しい問題である。
形態学空間の高性能領域は, 形態学と制御の共最適化において発見できないことを示す。
我々は,共同最適化問題を考えるための新しいボディー中心の枠組みを提案する。
- 参考スコア（独自算出の注目度）: 0.2900810893770134
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Evolving virtual creatures is a field with a rich history and recently it has
been getting more attention, especially in the soft robotics domain. The
compliance of soft materials endows soft robots with complex behavior, but it
also makes their design process unintuitive and in need of automated design.
Despite the great interest, evolved virtual soft robots lack the complexity,
and co-optimization of morphology and control remains a challenging problem.
Prior work identifies and investigates a major issue with the co-optimization
process -- fragile co-adaptation of brain and body resulting in premature
convergence of morphology. In this work, we expand the investigation of this
phenomenon by comparing learnable controllers with proprioceptive observations
and fixed controllers without any observations, whereas in the latter case, we
only have the optimization of the morphology. Our experiments in two morphology
spaces and two environments that vary in complexity show, concrete examples of
the existence of high-performing regions in the morphology space that are not
able to be discovered during the co-optimization of the morphology and control,
yet exist and are easily findable when optimizing morphologies alone. Thus this
work clearly demonstrates and characterizes the challenges of optimizing
morphology during co-optimization. Based on these results, we propose a new
body-centric framework to think about the co-optimization problem which helps
us understand the issue from a search perspective. We hope the insights we
share with this work attract more attention to the problem and help us to
enable efficient brain-body co-optimization.
- Abstract（参考訳）: 進化する仮想生物は豊かな歴史を持つ分野であり、最近では特にソフトロボティクスの分野で注目を集めている。
ソフト素材のコンプライアンスは、ソフトロボットに複雑な振る舞いを与えるが、設計プロセスは直感的ではなく、自動設計を必要とする。
大きな関心にもかかわらず、進化した仮想ソフトロボットは複雑さを欠き、形態学と制御の共最適化は難しい問題である。
先行研究は、脳と身体の脆弱な共適応という共最適化プロセスにおける大きな問題を特定し、調査している。
本研究は,学習可能な制御系と学習可能な観測系と,観察を伴わない固定制御系を比較することで,この現象の解明を拡大するものである。
この2つの形態空間と2つの環境における実験は、形態空間における高い性能領域の存在を具体例として示しており、形態空間と制御の共最適化において発見できないが、形態空間のみを最適化する際には容易に発見できる。
したがって、この研究は共最適化の際の形態学的最適化の課題を明確に示し、特徴付けしている。
これらの結果に基づき,探索的視点から問題を理解するのに役立つ共最適化問題を考えるための新しい身体中心フレームワークを提案する。
この研究で共有する洞察が、問題により多くの注意を引き付け、効率的な脳-身体の共最適化を可能にすることを願っています。
関連論文リスト
- 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) - Task2Morph: Differentiable Task-inspired Framework for Contact-Aware Robot Design [5.4795537587182475]
本稿では,タスク2Morphと呼ばれる接触認識型ロボット設計のための,新しい識別可能なタスクインスパイアされたフレームワークを提案する。
そこでは,マッピング学習と全最適化の両方に勾配情報を活用した,微分可能なロボット設計プロセスにマッピングを組み込む。
実験は3つのシナリオで実施され,Task2MorphがDiffHandより優れていることが確認された。
論文 参考訳（メタデータ） (2024-03-28T02:02:00Z) - 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) - SoftZoo: A Soft Robot Co-design Benchmark For Locomotion In Diverse
Environments [111.91255476270526]
我々は,多様な環境下での移動を支援するソフトロボットの共同設計プラットフォームであるSoftZooを紹介する。
SoftZooは、平らな地面、砂漠、湿地、粘土、氷、雪、浅い水、海などの環境をシミュレートする機能など、自然にヒントを得た幅広い素材セットをサポートしている。
それは、高速な移動、アジャイルな回転、パスフォローなど、ソフトロボティクスに関連するさまざまなタスクを提供し、形態学と制御のための微分可能な設計表現を提供する。
論文 参考訳（メタデータ） (2023-03-16T17:59:50Z) - Universal Morphology Control via Contextual Modulation [52.742056836818136]
異なるロボット形態をまたいだ普遍的なポリシーの学習は、継続的な制御における学習効率と一般化を著しく向上させることができる。
既存の手法では、グラフニューラルネットワークやトランスフォーマーを使用して、異種状態と異なる形態のアクション空間を処理する。
本稿では,この依存関係を文脈変調によりモデル化する階層型アーキテクチャを提案する。
論文 参考訳（メタデータ） (2023-02-22T00:04:12Z) - Co-optimising Robot Morphology and Controller in a Simulated Open-Ended
Environment [1.4502611532302039]
エージェントがロコホートする環境の変化が形態の収束にどのように影響するかを示す。
オープンエンド進化環境において進化するエージェント集団は,手作り環境において進化するエージェント集団よりも大きな形態的多様性を示すことを示す。
論文 参考訳（メタデータ） (2021-04-07T11:28:23Z) - Task-Agnostic Morphology Evolution [94.97384298872286]
モルフォロジーと振る舞いを共同適用する現在のアプローチでは、特定のタスクの報酬をモルフォロジー最適化のシグナルとして使用します。
これはしばしば高価なポリシー最適化を必要とし、一般化するために構築されていないタスクに依存した形態をもたらす。
我々は,これらの問題を緩和するための新しいアプローチであるタスク非依存形態進化(tame)を提案する。
論文 参考訳（メタデータ） (2021-02-25T18:59:21Z) - Emergent Hand Morphology and Control from Optimizing Robust Grasps of
Diverse Objects [63.89096733478149]
多様な物体をつかむために、効果的なハンドデザインが自然に現れるデータ駆動型アプローチを紹介します。
形態と把持スキルを共同で効率的に設計するベイズ最適化アルゴリズムを開発した。
我々は,新しい物体をつかむための堅牢で費用効率のよい手形態を発見するためのアプローチの有効性を実証する。
論文 参考訳（メタデータ） (2020-12-22T17:52:29Z) - RoboTHOR: An Open Simulation-to-Real Embodied AI Platform [56.50243383294621]
インタラクティブで具体化された視覚AIの研究を民主化するためにRoboTHORを導入する。
シミュレーションで訓練されたモデルの性能は,シミュレーションと慎重に構築された物理アナログの両方で試験される場合,大きな差があることが示される。
論文 参考訳（メタデータ） (2020-04-14T20:52:49Z) - Environmental Adaptation of Robot Morphology and Control through
Real-world Evolution [5.08706161686979]
機械的に自己再構成された四足歩行ロボットに形態学と制御の組み合わせを得るために進化探索を適用した。
2つの異なる物理曲面上の解を進化させ、制御と形態の両方の観点から結果を解析する。
論文 参考訳（メタデータ） (2020-03-30T07:57:19Z)
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。