論文の概要: GeMuCo: Generalized Multisensory Correlational Model for Body Schema Learning
- arxiv url: http://arxiv.org/abs/2409.06427v1
- Date: Tue, 10 Sep 2024 11:19:13 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-11 17:58:36.594433
- Title: GeMuCo: Generalized Multisensory Correlational Model for Body Schema Learning
- Title（参考訳）: GeMuCo:身体スキーマ学習のための一般化多感覚相関モデル
- Authors: Kento Kawaharazuka, Kei Okada, Masayuki Inaba,
- Abstract要約: 人間は自分の身体の感覚と動きの関係を学習することができる。
現在のロボットは、経験から人間によって記述されたネットワーク構造を学習することで身体を制御する。
- 参考スコア（独自算出の注目度）: 18.64205729932939
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Humans can autonomously learn the relationship between sensation and motion in their own bodies, estimate and control their own body states, and move while continuously adapting to the current environment. On the other hand, current robots control their bodies by learning the network structure described by humans from their experiences, making certain assumptions on the relationship between sensors and actuators. In addition, the network model does not adapt to changes in the robot's body, the tools that are grasped, or the environment, and there is no unified theory, not only for control but also for state estimation, anomaly detection, simulation, and so on. In this study, we propose a Generalized Multisensory Correlational Model (GeMuCo), in which the robot itself acquires a body schema describing the correlation between sensors and actuators from its own experience, including model structures such as network input/output. The robot adapts to the current environment by updating this body schema model online, estimates and controls its body state, and even performs anomaly detection and simulation. We demonstrate the effectiveness of this method by applying it to tool-use considering changes in grasping state for an axis-driven robot, to joint-muscle mapping learning for a musculoskeletal robot, and to full-body tool manipulation for a low-rigidity plastic-made humanoid.
- Abstract（参考訳）: 人間は、自分の身体における感覚と動きの関係を自律的に学習し、自分の身体の状態を評価し制御し、現在の環境に継続的に適応しながら移動することができる。
一方、現在のロボットは、人間によって記述されたネットワーク構造を経験から学習し、センサとアクチュエータの関係について一定の仮定をすることで、身体を制御している。
さらに、ネットワークモデルは、ロボットの身体、把握されたツール、環境の変化に適応せず、制御だけでなく、状態推定、異常検出、シミュレーションなどにも統一された理論は存在しない。
本研究では,ロボット自身がセンサとアクチュエータの相関関係を記述する体図を,ネットワーク入力や出力などのモデル構造を含む自身の経験から取得する汎用多感覚相関モデル(GeMuCo)を提案する。
このロボットは、このボディスキーマモデルをオンラインで更新して現在の環境に適応し、その身体状態を見積もり、制御し、異常検出やシミュレーションも行う。
本手法の有効性を,軸駆動型ロボットの把持状態の変化を考慮したツールユース,筋骨格型ロボットの関節筋マッピング学習,低剛性プラスチック製ヒューマノイドのフルボディツール操作に適用して示す。
関連論文リスト
- Learning body models: from humans to humanoids [2.855485723554975]
人間と動物は、複数の感覚のモダリティからの情報を組み合わせて、複雑な体を制御し、成長、失敗、ツールの使用に適応する。
鍵となる基礎は、エージェント(人間、動物、ロボット)が開発してきた身体の内部表現である。
脳内での体モデルの操作のメカニズムは、ほとんど不明であり、出生後の経験からどのように構築されているかは、あまり分かっていない。
論文 参考訳（メタデータ） (2022-11-06T07:30:01Z) - Real-to-Sim: Predicting Residual Errors of Robotic Systems with Sparse
Data using a Learning-based Unscented Kalman Filter [65.93205328894608]
我々は,動的・シミュレータモデルと実ロボット間の残差を学習する。
学習した残差誤差により、動的モデル、シミュレーション、および実際のハードウェア間の現実的ギャップをさらに埋めることができることを示す。
論文 参考訳（メタデータ） (2022-09-07T15:15:12Z) - Body Gesture Recognition to Control a Social Robot [5.557794184787908]
本研究では,人間の身体を自然に利用してロボットと対話できるジェスチャー型言語を提案する。
ニューラルネットワークを用いた新しいジェスチャー検出モデルと、ネットワークをトレーニングするための身体ジェスチャーセットを実行する人間のカスタムデータセットを作成しました。
論文 参考訳（メタデータ） (2022-06-15T13:49:22Z) - Data-driven emotional body language generation for social robotics [58.88028813371423]
社会ロボティクスでは、人間型ロボットに感情の身体的表現を生成する能力を与えることで、人間とロボットの相互作用とコラボレーションを改善することができる。
我々は、手作業で設計されたいくつかの身体表現から学習する深層学習データ駆動フレームワークを実装した。
評価実験の結果, 生成した表現の人間同型とアニマシーは手作りの表現と異なる認識が得られなかった。
論文 参考訳（メタデータ） (2022-05-02T09:21:39Z) - Synthesis and Execution of Communicative Robotic Movements with
Generative Adversarial Networks [59.098560311521034]
我々は、繊細な物体を操作する際に人間が採用するのと同じキネマティクス変調を2つの異なるロボットプラットフォームに転送する方法に焦点を当てる。
我々は、ロボットのエンドエフェクターが採用する速度プロファイルを、異なる特徴を持つ物体を輸送する際に人間が何をするかに触発されて調整する。
我々は、人体キネマティクスの例を用いて訓練され、それらを一般化し、新しい有意義な速度プロファイルを生成する、新しいジェネレーティブ・アドバイサル・ネットワークアーキテクチャを利用する。
論文 参考訳（メタデータ） (2022-03-29T15:03:05Z) - PheroCom: Decentralised and asynchronous swarm robotics coordination
based on virtual pheromone and vibroacoustic communication [0.0]
本研究は、シグメリン性物質の仮想化と制御に基づいて、ロボット群を協調させるモデルを提案する。
各ロボットは独立した仮想フェロモンマップを保持しており、ロボットの堆積とフェロモンの蒸発とともに継続的に更新される。
フェロモン情報伝達は、アリの視覚音響通信にインスパイアされ、ゴシッププロトコルの一種を通じて間接的なコミュニケーションとして特徴づけられる。
論文 参考訳（メタデータ） (2022-02-27T21:22:14Z) - Controlling the Sense of Agency in Dyadic Robot Interaction: An Active
Inference Approach [6.421670116083633]
変形型繰り返しニューラルネットワークモデルを用いて,ロボットのダイアディック模倣相互作用を検討する。
トレーニング中の自由エネルギーを最小化する複雑性項の制御が,ネットワークの動的特性をいかに決定するかを検討した。
論文 参考訳（メタデータ） (2021-03-03T02:38:09Z) - Online Body Schema Adaptation through Cost-Sensitive Active Learning [63.84207660737483]
この作業は、icubロボットシミュレータの7dofアームを使用して、シミュレーション環境で実行された。
コストに敏感な能動学習手法は最適な関節構成を選択するために用いられる。
その結果,コスト依存型能動学習は標準的な能動学習手法と同等の精度を示し,実行運動の約半分を減らした。
論文 参考訳（メタデータ） (2021-01-26T16:01:02Z) - Neuromorphic adaptive spiking CPG towards bio-inspired locomotion of
legged robots [58.720142291102135]
スパイクセントラルパターンジェネレーターは、外部刺激によって駆動される異なる移動パターンを生成します。
終端ロボットプラットフォーム(あらゆる脚ロボット)の移動は、任意のセンサーを入力として地形に適応することができる。
論文 参考訳（メタデータ） (2021-01-24T12:44:38Z) - Sensorimotor representation learning for an "active self" in robots: A
model survey [10.649413494649293]
人間では、これらの能力は宇宙で私たちの身体を知覚する能力と関連していると考えられている。
本稿では,これらの能力の発達過程について概説する。
人工エージェントにおける自己感覚の出現を可能にする理論計算フレームワークを提案する。
論文 参考訳（メタデータ） (2020-11-25T16:31:01Z) - Learning Predictive Models From Observation and Interaction [137.77887825854768]
世界との相互作用から予測モデルを学ぶことで、ロボットのようなエージェントが世界がどのように働くかを学ぶことができる。
しかし、複雑なスキルのダイナミクスを捉えるモデルを学ぶことは大きな課題である。
本研究では,人間などの他のエージェントの観察データを用いて,トレーニングセットを増強する手法を提案する。
論文 参考訳（メタデータ） (2019-12-30T01:10:41Z)
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。