論文の概要: MeMo: Meaningful, Modular Controllers via Noise Injection
- arxiv url: http://arxiv.org/abs/2407.01567v1
- Date: Fri, 24 May 2024 18:39:20 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-22 22:18:55.511379
- Title: MeMo: Meaningful, Modular Controllers via Noise Injection
- Title（参考訳）: MeMo:ノイズ注入によるシンプルでモジュラーなコントローラ
- Authors: Megan Tjandrasuwita, Jie Xu, Armando Solar-Lezama, Wojciech Matusik,
- Abstract要約: 新たなロボットが同じパーツから構築された場合,モジュール型コントローラを再利用することで,その制御を迅速に学習できることが示される。
私たちはMeMoと呼ばれるフレームワークでこれを実現し、Meは(Me)有界で(Mo)有界なコントローラーを学習します。
我々は,ロボット形態変化の簡易化を目標として,移動環境と把握環境の枠組みをベンチマークした。
- 参考スコア（独自算出の注目度）: 25.541496793132183
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Robots are often built from standardized assemblies, (e.g. arms, legs, or fingers), but each robot must be trained from scratch to control all the actuators of all the parts together. In this paper we demonstrate a new approach that takes a single robot and its controller as input and produces a set of modular controllers for each of these assemblies such that when a new robot is built from the same parts, its control can be quickly learned by reusing the modular controllers. We achieve this with a framework called MeMo which learns (Me)aningful, (Mo)dular controllers. Specifically, we propose a novel modularity objective to learn an appropriate division of labor among the modules. We demonstrate that this objective can be optimized simultaneously with standard behavior cloning loss via noise injection. We benchmark our framework in locomotion and grasping environments on simple to complex robot morphology transfer. We also show that the modules help in task transfer. On both structure and task transfer, MeMo achieves improved training efficiency to graph neural network and Transformer baselines.
- Abstract（参考訳）: ロボットは、しばしば標準化されたアセンブリ(例えば腕、脚、指)から構築されるが、各ロボットは、すべての部品のアクチュエーターを一緒に制御するために、スクラッチから訓練される必要がある。
本稿では,1つのロボットとそのコントローラを入力として取り込んだ新しいアプローチを示し,各アセンブリに対して,新しいロボットが同じパーツから構築された場合,その制御をモジュールコントローラの再利用によって迅速に学習できるようにする。
私たちはMeMoと呼ばれるフレームワークでこれを実現し、Meは(Me)有界で(Mo)有界なコントローラーを学習します。
具体的には,モジュール間の作業の適切な分割を学習するための,新しいモジュラリティ目的を提案する。
本研究の目的は,ノイズ注入による標準的な行動クローニング損失と同時に最適化できることを実証する。
我々は,ロボット形態変化の簡易化を目標として,移動環境と把握環境の枠組みをベンチマークした。
また、モジュールがタスク転送に役立ちます。
構造とタスク転送の両方において、MeMoはグラフニューラルネットワークとTransformerベースラインに対するトレーニング効率の改善を実現している。
関連論文リスト
- Unifying 3D Representation and Control of Diverse Robots with a Single Camera [48.279199537720714]
我々は,ロボットを視覚のみからモデル化し,制御することを自律的に学習するアーキテクチャであるNeural Jacobian Fieldsを紹介する。
提案手法は,正確なクローズドループ制御を実現し,各ロボットの因果動的構造を復元する。
論文 参考訳（メタデータ） (2024-07-11T17:55:49Z) - RoboScript: Code Generation for Free-Form Manipulation Tasks across Real
and Simulation [77.41969287400977]
本稿では,コード生成を利用したデプロイ可能なロボット操作パイプラインのためのプラットフォームである textbfRobotScript を提案する。
自由形自然言語におけるロボット操作タスクのためのコード生成ベンチマークも提案する。
我々は,Franka と UR5 のロボットアームを含む,複数のロボットエボディメントにまたがるコード生成フレームワークの適応性を実証した。
論文 参考訳（メタデータ） (2024-02-22T15:12:00Z) - Modular Controllers Facilitate the Co-Optimization of Morphology and
Control in Soft Robots [0.5076419064097734]
モジュール型コントローラはロボットのボディプランの変更に対してより堅牢であることを示す。
モジュラーコントローラの同様のボディプランへの移動性の向上は、ソフトロボットのより効果的な脳と身体の協調最適化を可能にする。
論文 参考訳（メタデータ） (2023-06-12T16:36:46Z) - GenLoco: Generalized Locomotion Controllers for Quadrupedal Robots [87.32145104894754]
四足歩行ロボットのための汎用ロコモーション(GenLoco)コントローラを訓練するためのフレームワークを提案する。
本フレームワークは,多種多様な四足歩行ロボットに展開可能な汎用ロコモーションコントローラを合成する。
我々のモデルは、より一般的な制御戦略を取得し、新しいシミュレーションロボットや実世界のロボットに直接移行できることを示す。
論文 参考訳（メタデータ） (2022-09-12T15:14:32Z) - Evolving Modular Soft Robots without Explicit Inter-Module Communication
using Local Self-Attention [9.503773054285556]
我々はVoxel-based Soft Robots(VSR)に焦点を当てる
それぞれのボクセル内で同じニューラルコントローラを使用しますが、ボクセル間通信はありません。
進化したロボットが移動作業に有効であることを実験的に示す。
論文 参考訳（メタデータ） (2022-04-13T16:03:39Z) - Behavior Trees in Robot Control Systems [0.0]
振舞い木の主な考え方は、モジュラリティ、階層、フィードバックを活用することである。
ロボットタスクは、しばしばサブタスクの階層に分解されるため、そのようなモジュールの階層は自然である。
フィードバック制御は、低レベル制御システムにおける不確実性と障害を扱うための基本的なツールである。
論文 参考訳（メタデータ） (2022-03-24T14:16:15Z) - MetaMorph: Learning Universal Controllers with Transformers [45.478223199658785]
ロボット工学では、主に1つのタスクのために1つのロボットを訓練します。
モジュラーロボットシステムは、汎用的なビルディングブロックをタスク最適化形態に柔軟な組み合わせを可能にする。
モジュール型ロボット設計空間上でユニバーサルコントローラを学習するためのトランスフォーマーベースのアプローチであるMetaMorphを提案する。
論文 参考訳（メタデータ） (2022-03-22T17:58:31Z) - V-MAO: Generative Modeling for Multi-Arm Manipulation of Articulated
Objects [51.79035249464852]
本稿では,音声による物体のマルチアーム操作を学習するためのフレームワークを提案する。
本フレームワークは,各ロボットアームの剛部上の接触点分布を学習する変動生成モデルを含む。
論文 参考訳（メタデータ） (2021-11-07T02:31:09Z) - Versatile modular neural locomotion control with fast learning [6.85316573653194]
脚のついたロボットは、高度に非構造的な環境で動作する大きな可能性を秘めている。
現在、コントローラは、特定のロボットのために手動で設計するか、機械学習メソッドで自動的に設計されなければならない。
高速な学習が可能な,単純かつ多目的なモジュール型ニューラルコントロール構造を提案する。
論文 参考訳（メタデータ） (2021-07-16T12:12:28Z) - Deep Imitation Learning for Bimanual Robotic Manipulation [70.56142804957187]
本稿では,ロボットによるバイマニュアル操作のための深層模倣学習フレームワークを提案する。
中心となる課題は、操作スキルを異なる場所にあるオブジェクトに一般化することである。
i)マルチモーダルダイナミクスを要素運動プリミティブに分解し、(ii)リカレントグラフニューラルネットワークを用いて各プリミティブをパラメータ化して相互作用を捕捉し、(iii)プリミティブを逐次的に構成する高レベルプランナと、プリミティブダイナミクスと逆運動学制御を組み合わせた低レベルコントローラを統合することを提案する。
論文 参考訳（メタデータ） (2020-10-11T01:40:03Z)
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。