論文の概要: The Use of AI-Robotic Systems for Scientific Discovery
- arxiv url: http://arxiv.org/abs/2406.17835v1
- Date: Tue, 25 Jun 2024 15:33:01 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-27 17:36:24.600892
- Title: The Use of AI-Robotic Systems for Scientific Discovery
- Title（参考訳）: 科学発見のためのAIロボットシステムの利用
- Authors: Alexander H. Gower, Konstantin Korovin, Daniel Brunnsåker, Filip Kronström, Gabriel K. Reder, Ievgeniia A. Tiukova, Ronald S. Reiserer, John P. Wikswo, Ross D. King,
- Abstract要約: この章では、科学哲学におけるロボット科学者の基礎をいくつか探求する。
科学的手法は能動的学習と類似していると論じる。
- 参考スコア（独自算出の注目度）: 34.54807102377927
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The process of developing theories and models and testing them with experiments is fundamental to the scientific method. Automating the entire scientific method then requires not only automation of the induction of theories from data, but also experimentation from design to implementation. This is the idea behind a robot scientist -- a coupled system of AI and laboratory robotics that has agency to test hypotheses with real-world experiments. In this chapter we explore some of the fundamentals of robot scientists in the philosophy of science. We also map the activities of a robot scientist to machine learning paradigms, and argue that the scientific method shares an analogy with active learning. We demonstrate these concepts using examples from previous robot scientists, and also from Genesis: a next generation robot scientist designed for research in systems biology, comprising a micro-fluidic system with 1000 computer-controlled micro-bioreactors and interpretable models based in controlled vocabularies and logic.
- Abstract（参考訳）: 理論やモデルを開発し、実験でテストする過程は、科学的な方法の基本である。
科学的手法全体を自動化するには、データから理論を誘導する自動化だけでなく、設計から実装までの実験が必要である。
これは、ロボット科学者のアイデアだ。AIと実験ロボットの複合システムで、現実世界の実験で仮説をテストするための機関を持っている。
この章では、科学哲学におけるロボット科学者の基礎をいくつか探求する。
また、ロボット科学者の活動を機械学習パラダイムにマッピングし、科学的手法はアクティブな学習と類似していると主張している。
システム生物学の研究用に設計された次世代ロボット科学者であるGenesisは、コンピュータ制御された1000個のマイクロバイオリアクターと、制御された語彙と論理に基づく解釈可能なモデルを備えたマイクロ流体システムを含む。
関連論文リスト
- Genesis: Towards the Automation of Systems Biology Research [32.67169575874115]
我々はGenesisという次世代ロボット科学者を開発している。
我々は,ロボット科学者を用いた科学の分野を,人間科学者よりも明らかに速く,低コストで研究できることを実証することを目的とする。
ここでは、Genesisプロジェクトの進捗状況を報告する。
論文 参考訳（メタデータ） (2024-08-20T09:40:43Z) - The AI Scientist: Towards Fully Automated Open-Ended Scientific Discovery [14.465756130099091]
本稿では,完全自動科学的発見のための最初の包括的枠組みについて述べる。
我々は、新しい研究アイデアを生成し、コードを書き、実験を実行し、結果を視覚化し、その結果を説明するThe AI Scientistを紹介します。
原則として、このプロセスは、人間の科学コミュニティのように行動しながら、オープンな方法でアイデアを反復的に発展させることができる。
論文 参考訳（メタデータ） (2024-08-12T16:58:11Z) - Automated Scientific Discovery: From Equation Discovery to Autonomous
Discovery Systems [5.7923858184309385]
本稿では、方程式発見から記号回帰から自律的な発見システムやエージェントまで、自動的な科学的発見を調査する。
我々は、Adamシステムに関する先駆的な研究から、物質科学から天文学まで、現在の分野への取り組みまで、クローズドループ科学発見システムを紹介する。
レベル5の最大レベルは、科学的知識の創出において人間の介入を必要としないと定義されている。
論文 参考訳（メタデータ） (2023-05-03T16:35:41Z) - World Models and Predictive Coding for Cognitive and Developmental
Robotics: Frontiers and Challenges [51.92834011423463]
我々は世界モデルと予測符号化の2つの概念に焦点を当てる。
神経科学において、予測符号化は、脳がその入力を継続的に予測し、その環境における自身のダイナミクスと制御行動のモデル化に適応するように提案する。
論文 参考訳（メタデータ） (2023-01-14T06:38:14Z) - HERD: Continuous Human-to-Robot Evolution for Learning from Human
Demonstration [57.045140028275036]
本研究では,マイクロ進化的強化学習を用いて,操作スキルを人間からロボットに伝達可能であることを示す。
本稿では,ロボットの進化経路とポリシーを協調的に最適化する多次元進化経路探索アルゴリズムを提案する。
論文 参考訳（メタデータ） (2022-12-08T15:56:13Z) - A Low-Cost Robot Science Kit for Education with Symbolic Regression for
Hypothesis Discovery and Validation [15.72286703649173]
次世代の物理科学には、クローズドループで設計、実行、分析が可能な自律的な物理科学システムであるロボット科学者が含まれる。
これらのシステムの構築と利用には、ML、制御システム、計測科学、材料合成、意思決定理論など、さまざまな分野の専門知識が必要となる。
我々は、低コストの自律科学者を構築するためのキットである、科学教育の次世代を提示する。
論文 参考訳（メタデータ） (2022-04-08T17:25:28Z) - 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) - Learning from learning machines: a new generation of AI technology to
meet the needs of science [59.261050918992325]
科学的な発見のためのAIの有用性を高めるための新たな機会と課題を概説する。
産業におけるAIの目標と科学におけるAIの目標の区別は、データ内のパターンを識別することと、データから世界のパターンを発見することとの間に緊張を生じさせる。
論文 参考訳（メタデータ） (2021-11-27T00:55:21Z) - Robot Learning from Randomized Simulations: A Review [59.992761565399185]
ディープラーニングがロボティクス研究のパラダイムシフトを引き起こし、大量のデータを必要とする方法が好まれている。
最先端のアプローチは、データ生成が高速かつ安価であるシミュレーションで学ぶ。
本稿では,ランダム化シミュレーションから学習する手法である「領域ランダム化」に焦点をあてる。
論文 参考訳（メタデータ） (2021-11-01T13:55:41Z) - Neuroscience-inspired perception-action in robotics: applying active
inference for state estimation, control and self-perception [2.1067139116005595]
神経科学の発見が、ロボット工学における現在の推定と制御アルゴリズムを改善する機会をいかに開放するかについて議論する。
本稿では,実体プラットフォーム上でのこのような計算モデルの開発から得られた実験と教訓を要約する。
論文 参考訳（メタデータ） (2021-05-10T10:59:38Z)
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。