論文の概要: Meta-Control: Automatic Model-based Control Synthesis for Heterogeneous Robot Skills

• arxiv url: http://arxiv.org/abs/2405.11380v1
• Date: Sat, 18 May 2024 19:58:44 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-21 17:59:18.204215
• Title: Meta-Control: Automatic Model-based Control Synthesis for Heterogeneous Robot Skills
• Title（参考訳）: メタ制御:異種ロボットスキルのためのモデルベース自動制御合成
• Authors: Tianhao Wei, Liqian Ma, Rui Chen, Weiye Zhao, Changliu Liu,
• Abstract要約: 本稿では,特定のタスクに合わせて,カスタマイズされた状態表現と制御戦略を作成するメタコントロルを提案する。 我々の中心となる洞察は、状態空間を抽象的なタスク空間と具体的な追跡空間に分解することである。 提案手法は,要求が矛盾する多様なタスクを対象とした実環境シナリオとシミュレーションの両方で検証される。
• 参考スコア（独自算出の注目度）: 10.43221469116584
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The requirements for real-world manipulation tasks are diverse and often conflicting; some tasks necessitate force constraints or collision avoidance, while others demand high-frequency feedback. Satisfying these varied requirements with a fixed state-action representation and control strategy is challenging, impeding the development of a universal robotic foundation model. In this work, we propose Meta-Control, the first LLM-enabled automatic control synthesis approach that creates customized state representations and control strategies tailored to specific tasks. Meta-Control leverages a generic hierarchical control framework to address a wide range of heterogeneous tasks. Our core insight is the decomposition of the state space into an abstract task space and a concrete tracking space. By harnessing LLM's extensive common sense and control knowledge, we enable the LLM to design these spaces, including states, dynamic models, and controllers, using pre-defined but abstract templates. Meta-Control stands out for its fully model-based nature, allowing for rigorous analysis, efficient parameter tuning, and reliable execution. It not only utilizes decades of control expertise encapsulated within LLMs to facilitate heterogeneous control but also ensures formal guarantees such as safety and stability. Our method is validated both in real-world scenarios and simulations across diverse tasks with conflicting requirements, such as collision avoidance versus convergence and compliance versus high precision. Videos and additional results are at meta-control-paper.github.io
• Abstract（参考訳）: 現実の操作タスクの要件は多様であり、しばしば矛盾する。いくつかのタスクは強制的な制約や衝突回避を必要とし、他のタスクは高周波フィードバックを要求する。 これらの要件を固定された状態行動表現と制御戦略で満足させることは、普遍的なロボット基盤モデルの開発を妨げる。 そこで本研究では,特定のタスクに合わせて,カスタマイズされた状態表現と制御戦略を作成する,最初のLCM対応自動制御合成手法であるMeta-Controlを提案する。 Meta-Controlは、多種多様なタスクに対処するために、汎用階層制御フレームワークを活用する。 我々の中心となる洞察は、状態空間を抽象的なタスク空間と具体的な追跡空間に分解することである。 LLMの広範にわたる常識と制御の知識を活用することで、LLMは事前に定義された抽象テンプレートを使用して、状態、動的モデル、コントローラを含むこれらの空間を設計できる。 Meta-Controlは、厳密な分析、効率的なパラメータチューニング、信頼性の高い実行を可能にする、完全なモデルベースの性質で際立っている。 LLM内にカプセル化された何十年もの制御専門知識を活用して異種制御を促進するだけでなく、安全性や安定性などの正式な保証も確保している。 本手法は, 衝突回避と収束, コンプライアンスと高精度の両面において, 様々な課題にまたがる実環境シナリオとシミュレーションの両方で検証される。 ビデオと追加結果は Meta-control-paper.github.io にある。

関連論文リスト

• ControlAgent: Automating Control System Design via Novel Integration of LLM Agents and Domain Expertise [14.14268499543524]
  制御系設計は、様々な分野にわたる広範囲の応用を持つ近代工学の重要な側面である。 様々な領域におけるLarge Language Models (LLM) の進歩にもかかわらず、制御系設計におけるそれらの応用は、制御理論の複雑さと特異性のために制限されている。 LLMエージェントと制御指向ドメイン専門知識の新たな統合により制御システム設計を自動化する新しいパラダイムであるControlAgentを紹介する。
  論文  参考訳（メタデータ） (2024-10-17T17:42:48Z)
• Towards Natural Language-Driven Assembly Using Foundation Models [11.710022685486914]
  大規模言語モデル(LLM)と強力な視覚モデルにより、ビジョン・ランゲージ・アクションモデル(英語版)の分野での迅速な研究と開発が可能となった。 本稿では,LLMをベースとしたグローバルコントロールポリシを提案する。 このフレームワークへのLLMの統合は、言語入力の解釈と処理だけでなく、多種多様な複雑なロボット操作のための制御機構の強化においても、その重要性を浮き彫りにしている。
  論文  参考訳（メタデータ） (2024-06-23T12:14:37Z)
• RoboCodeX: Multimodal Code Generation for Robotic Behavior Synthesis [102.1876259853457]
  汎用ロボット行動合成のための木構造多モードコード生成フレームワークRoboCodeXを提案する。 RoboCodeXは、高レベルの人間の命令を複数のオブジェクト中心の操作ユニットに分解する。 概念的および知覚的理解を制御コマンドにマッピングする能力をさらに強化するため、事前学習のための特別なマルチモーダル推論データセットを収集し、教師付き微調整のための反復的自己更新手法を導入する。
  論文  参考訳（メタデータ） (2024-02-25T15:31:43Z)
• Fine-Tuning Language Models Using Formal Methods Feedback [53.24085794087253]
  我々は、自律システムにおけるアプリケーションのための、微調整済み言語モデルに対して、完全に自動化されたアプローチを提案する。 本手法は,自然言語タスク記述による事前学習モデルから自動制御器を合成する。 その結果、コントローラが満たした仕様の割合が60%から90%に改善したことが示唆された。
  論文  参考訳（メタデータ） (2023-10-27T16:24:24Z)
• A General Framework for Verification and Control of Dynamical Models via Certificate Synthesis [54.959571890098786]
  システム仕様を符号化し、対応する証明書を定義するためのフレームワークを提供する。 コントローラと証明書を形式的に合成する自動化手法を提案する。 我々のアプローチは、ニューラルネットワークの柔軟性を利用して、制御のための安全な学習の幅広い分野に寄与する。
  論文  参考訳（メタデータ） (2023-09-12T09:37:26Z)
• Meta-Reinforcement Learning for Adaptive Control of Second Order Systems [3.131740922192114]
  プロセス制御では、多くのシステムは類似しており、よく理解されているダイナミクスを持ち、メタ学習を通じて一般化可能なコントローラを作成することは可能であることを示唆している。 本稿では,メタ強化学習(meta-RL)制御戦略を定式化し,モデル構造などのトレーニングにおいて,既知のオフライン情報を活用する。 重要な設計要素は、トレーニング中にモデルベースの情報をオフラインで利用し、新しい環境と対話するためのモデルフリーのポリシー構造を維持することである。
  論文  参考訳（メタデータ） (2022-09-19T18:51:33Z)
• Towards autonomous artificial agents with an active self: modeling sense of control in situated action [0.0]
  人工エージェントにおける能動自己の計算モデルについて述べる。 我々は、エージェントが制御感覚を装備できる方法と、それが自律的な位置行動でどのように起こるかに焦点を当てる。
  論文  参考訳（メタデータ） (2021-12-10T14:45:24Z)
• Policy Search for Model Predictive Control with Application to Agile Drone Flight [56.24908013905407]
  MPCのためのポリシ・フォー・モデル・予測制御フレームワークを提案する。 具体的には、パラメータ化コントローラとしてMPCを定式化し、パラメータ化の難しい決定変数を高レベルポリシーとして表現する。 シミュレーションと実環境の両方において,我々の制御器が堅牢かつリアルタイムに制御性能を発揮することを示す実験を行った。
  論文  参考訳（メタデータ） (2021-12-07T17:39:24Z)
• On the Emergence of Whole-body Strategies from Humanoid Robot Push-recovery Learning [32.070068456106895]
  シミュレーション環境における汎用的で堅牢なヒューマノイドプッシュリカバリポリシーのトレーニングに,モデルフリーな深層強化学習を適用する。 本手法は高次元全体ヒューマノイド制御を目標とし,iCubヒューマノイド上で検証を行った。
  論文  参考訳（メタデータ） (2021-04-29T17:49:20Z)
• MELD: Meta-Reinforcement Learning from Images via Latent State Models [109.1664295663325]
  我々は,遅延状態モデルで推論を行う画像からメタRLのアルゴリズムを開発し,新しいスキルを素早く獲得する。 MELDは、画像から現実のロボット制御設定でトレーニングされた最初のメタRLアルゴリズムである。
  論文  参考訳（メタデータ） (2020-10-26T23:50:30Z)
• Goal-Conditioned End-to-End Visuomotor Control for Versatile Skill Primitives [89.34229413345541]
  本稿では,制御器とその条件をエンドツーエンドに学習することで,落とし穴を回避する条件付け手法を提案する。 本モデルでは,ロボットの動きのダイナミックな画像表現に基づいて,複雑な動作シーケンスを予測する。 代表的MPCおよびILベースラインに対するタスク成功の大幅な改善を報告した。
  論文  参考訳（メタデータ） (2020-03-19T15:04:37Z)

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。