論文の概要: The Impact of Evolutionary Computation on Robotic Design: A Case Study with an Underactuated Hand Exoskeleton
- arxiv url: http://arxiv.org/abs/2403.15812v1
- Date: Sat, 23 Mar 2024 11:50:20 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-26 20:52:58.819316
- Title: The Impact of Evolutionary Computation on Robotic Design: A Case Study with an Underactuated Hand Exoskeleton
- Title(参考訳): 進化的計算がロボット設計に及ぼす影響:不動手外骨格を用いたケーススタディ
- Authors: Baris Akbas, Huseyin Taner Yuksel, Aleyna Soylemez, Mazhar Eid Zyada, Mine Sarac, Fabio Stroppa,
- Abstract要約: 本研究では,ロボット設計最適化における進化計算法の可能性について検討する。
EC法は、ブルート力よりも正確で最適な解が得られる。
その結果, デバイスがユーザへ転送するトルクの程度において, 大幅な改善が見られた。
- 参考スコア(独自算出の注目度): 0.7209792639354117
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Robotic exoskeletons can enhance human strength and aid people with physical disabilities. However, designing them to ensure safety and optimal performance presents significant challenges. Developing exoskeletons should incorporate specific optimization algorithms to find the best design. This study investigates the potential of Evolutionary Computation (EC) methods in robotic design optimization, with an underactuated hand exoskeleton (U-HEx) used as a case study. We propose improving the performance and usability of the U-HEx design, which was initially optimized using a naive brute-force approach, by integrating EC techniques such as Genetic Algorithm and Big Bang-Big Crunch Algorithm. Comparative analysis revealed that EC methods consistently yield more precise and optimal solutions than brute force in a significantly shorter time. This allowed us to improve the optimization by increasing the number of variables in the design, which was impossible with naive methods. The results show significant improvements in terms of the torque magnitude the device transfers to the user, enhancing its efficiency. These findings underline the importance of performing proper optimization while designing exoskeletons, as well as providing a significant improvement to this specific robotic design.
- Abstract(参考訳): ロボット外骨格は人間の強さを高め、身体障害者を助けることができる。
しかし、安全性と最適なパフォーマンスを確保するために設計することは大きな課題となる。
エキソスケトンの開発には、最適な設計を見つけるために、特定の最適化アルゴリズムを組み込む必要がある。
本研究では, ロボット設計最適化における進化計算(EC)法の可能性について検討し, 不安定な手外骨格(U-HEx)を事例として検討した。
本稿では,遺伝的アルゴリズムやビッグバン・ビッグ・CrunchアルゴリズムなどのEC技術を統合することにより,当初は単純ブルトフォース方式で最適化されていたU-HEx設計の性能とユーザビリティの向上を提案する。
比較分析の結果、EC法はブルート力よりもはるかに短い時間で、常に正確で最適な解が得られることがわかった。
これにより、設計における変数の数を増やすことで最適化を改善することができました。
その結果, デバイスがユーザに伝達するトルクの程度が大幅に向上し, 効率が向上した。
これらの知見は、外骨格を設計しながら適切な最適化を行うことの重要性と、この特定のロボット設計に大幅な改善をもたらすことを明確に示している。
関連論文リスト
- Structural Optimization of Lightweight Bipedal Robot via SERL [6.761861053481078]
本稿では,移動課題の強化学習と進化アルゴリズムを組み合わせたSERL(Structure Evolution Reinforcement Learning)アルゴリズムを提案する。
We designed a bipedal robot called Wow Orin, where the optimal leg length are obtained through optimization based on body structure and motor Turk。
論文 参考訳(メタデータ) (2024-08-28T08:34:05Z) - Enhanced Optimization Strategies to Design an Underactuated Hand Exoskeleton [0.7639610349097473]
本研究は,不動手外骨格(U-HEx)の設計過程について述べる。
この最適化は、遺伝的アルゴリズム、ビッグバン・ビッグCrunchアルゴリズム、および多目的最適化のためのそれらのバージョンに依存している。
論文 参考訳(メタデータ) (2024-08-14T09:00:49Z) - Model Uncertainty in Evolutionary Optimization and Bayesian Optimization: A Comparative Analysis [5.6787965501364335]
ブラックボックス最適化問題は、多くの現実世界のアプリケーションで一般的な問題である。
これらの問題はインプット・アウトプット・インタラクションを通じて内部動作へのアクセスなしに最適化する必要がある。
このような問題に対処するために2つの広く使われている勾配のない最適化手法が用いられている。
本稿では,2つの手法間のモデル不確実性の類似点と相違点を明らかにすることを目的とする。
論文 参考訳(メタデータ) (2024-03-21T13:59:19Z) - Enhanced Bayesian Optimization via Preferential Modeling of Abstract
Properties [49.351577714596544]
本研究では,非測定抽象特性に関する専門家の嗜好を代理モデルに組み込むための,人間とAIの協調型ベイズフレームワークを提案する。
優先判断において、誤った/誤解を招く専門家バイアスを処理できる効率的な戦略を提供する。
論文 参考訳(メタデータ) (2024-02-27T09:23:13Z) - Design Optimizer for Planar Soft-Growing Robot Manipulators [1.1888144645004388]
本研究は,ソフト成長ロボットの設計最適化のための新しいアプローチを提案する。
ソフトマニピュレータのキネマティックチェーンを最適化し、ターゲットに到達し、材料や資源の不要な過剰使用を避ける。
提案手法を最適性にアクセスするために, 提案手法を検証したところ, 解法の性能は著しく向上した。
論文 参考訳(メタデータ) (2023-10-05T08:23:17Z) - An Empirical Evaluation of Zeroth-Order Optimization Methods on
AI-driven Molecule Optimization [78.36413169647408]
分子目的を最適化するための様々なZO最適化手法の有効性について検討する。
ZO符号に基づく勾配降下(ZO-signGD)の利点を示す。
本稿では,Guurcamol スイートから広く使用されているベンチマークタスクに対して,ZO 最適化手法の有効性を示す。
論文 参考訳(メタデータ) (2022-10-27T01:58:10Z) - Design Amortization for Bayesian Optimal Experimental Design [70.13948372218849]
予測情報ゲイン(EIG)のバウンダリに関してパラメータ化された変分モデルを最適化する。
実験者が1つの変分モデルを最適化し、潜在的に無限に多くの設計に対してEIGを推定できる新しいニューラルアーキテクチャを提案する。
論文 参考訳(メタデータ) (2022-10-07T02:12:34Z) - Optimal Design of Electric Machine with Efficient Handling of
Constraints and Surrogate Assistance [5.387300498478744]
本稿では、広く使われている進化的多目的最適化アルゴリズムNSGA-IIに組み込んだ最適化手法を提案する。
提案手法は, 幾何的制約の安価さを利用して, カスタム補修演算子を用いて実現可能な設計を生成する。
論文 参考訳(メタデータ) (2022-06-03T17:13:29Z) - Training Learned Optimizers with Randomly Initialized Learned Optimizers [49.67678615506608]
ランダムに学習した人の集団は、オンラインの方法でゼロから学習することができる。
人口ベーストレーニングの形式は、この自己学習の組織化に使用される。
このタイプのフィードバックループは、機械学習の将来において重要かつ強力なものになると思います。
論文 参考訳(メタデータ) (2021-01-14T19:07:17Z) - Bilevel Optimization: Convergence Analysis and Enhanced Design [63.64636047748605]
バイレベル最適化は多くの機械学習問題に対するツールである。
Stoc-BiO という新しい確率効率勾配推定器を提案する。
論文 参考訳(メタデータ) (2020-10-15T18:09:48Z) - Automatically Learning Compact Quality-aware Surrogates for Optimization
Problems [55.94450542785096]
未知パラメータで最適化問題を解くには、未知パラメータの値を予測し、これらの値を用いて問題を解くための予測モデルを学ぶ必要がある。
最近の研究によると、複雑なトレーニングモデルパイプラインのレイヤーとして最適化の問題を含めると、観測されていない意思決定の繰り返しを予測することになる。
我々は,大規模最適化問題の低次元サロゲートモデルを学習することにより,解の質を向上させることができることを示す。
論文 参考訳(メタデータ) (2020-06-18T19:11:54Z)
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。