論文の概要: Neural Circuit Architectural Priors for Quadruped Locomotion

• arxiv url: http://arxiv.org/abs/2410.07174v1
• Date: Wed, 9 Oct 2024 17:59:45 GMT
• ステータス: 処理完了
• システム内更新日: 2024-10-31 21:46:48.783489
• Title: Neural Circuit Architectural Priors for Quadruped Locomotion
• Title（参考訳）: 四足歩行の神経回路設計
• Authors: Nikhil X. Bhattasali, Venkatesh Pattabiraman, Lerrel Pinto, Grace W. Lindsay,
• Abstract要約: 自然界では、動物は神経系のアーキテクチャーの形で先駆的に生まれる。 この研究は、ニューラルサーキットがロコモーションに価値あるアーキテクチャ上の先行を提供することを示している。
• 参考スコア（独自算出の注目度）: 18.992630001752136
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Learning-based approaches to quadruped locomotion commonly adopt generic policy architectures like fully connected MLPs. As such architectures contain few inductive biases, it is common in practice to incorporate priors in the form of rewards, training curricula, imitation data, or trajectory generators. In nature, animals are born with priors in the form of their nervous system's architecture, which has been shaped by evolution to confer innate ability and efficient learning. For instance, a horse can walk within hours of birth and can quickly improve with practice. Such architectural priors can also be useful in ANN architectures for AI. In this work, we explore the advantages of a biologically inspired ANN architecture for quadruped locomotion based on neural circuits in the limbs and spinal cord of mammals. Our architecture achieves good initial performance and comparable final performance to MLPs, while using less data and orders of magnitude fewer parameters. Our architecture also exhibits better generalization to task variations, even admitting deployment on a physical robot without standard sim-to-real methods. This work shows that neural circuits can provide valuable architectural priors for locomotion and encourages future work in other sensorimotor skills.
• Abstract（参考訳）: 四足歩行に対する学習ベースのアプローチは、完全に連結されたMLPのような一般的なポリシーアーキテクチャを採用するのが一般的である。 このようなアーキテクチャには帰納バイアスがほとんどないため、実際には、報酬、訓練カリキュラム、模倣データ、軌道生成器といった形で事前を組み込むのが一般的である。 自然界では、動物は、進化によって形成され、自然の能力と効率的な学習をもたらす、神経系のアーキテクチャーの形で先駆的に生まれる。 例えば、馬は生後数時間で歩けるし、練習で素早く改善できる。 このようなアーキテクチャの先行は、AIのANNアーキテクチャにも有用である。 本研究では, 哺乳動物の肢および脊髄の神経回路に基づく四足歩行に対する生物学的にインスパイアされたANNアーキテクチャの利点について検討する。 我々のアーキテクチャは、MLPに匹敵する優れた初期性能と最終性能を達成すると同時に、少ないデータと桁数のパラメータを使用する。 我々のアーキテクチャはまたタスクのバリエーションをより一般化し、標準のsim-to-realメソッドを使わずに物理ロボットに展開することを認める。 この研究は、ニューラルサーキットがロコモーションに価値あるアーキテクチャ上の事前情報を提供し、他の感覚運動のスキルにおける将来の研究を促進することを示している。

関連論文リスト

• Training Neural Networks with Internal State, Unconstrained Connectivity, and Discrete Activations [66.53734987585244]
  真のインテリジェンスには、内部状態を管理するマシンラーニングモデルが必要だ。 このようなモデルのトレーニングに最も効果的なアルゴリズムは,まだ発見されていない。 このようなトレーニングアルゴリズムを2進アクティベーションと1つの重みの行列のみを持つアーキテクチャに適用する試みについて述べる。
  論文  参考訳（メタデータ） (2023-12-22T01:19:08Z)
• CQural: A Novel CNN based Hybrid Architecture for Quantum Continual Machine Learning [0.0]
  本研究では,新しい古典量子ニューラルネットを用いた連続学習において,破滅的な忘れを回避できることが示唆された。 また、モデルがこれらの説明でトレーニングされている場合、より良いパフォーマンスを与え、決定境界から遠く離れた特定の特徴を学ぶ傾向があります。
  論文  参考訳（メタデータ） (2023-05-16T18:19:12Z)
• Equivariant Architectures for Learning in Deep Weight Spaces [54.61765488960555]
  重み空間の学習のための新しいネットワークアーキテクチャを提案する。 入力として、事前訓練された不変量の重みとバイアスの連結をとる。 これらのレイヤを3つの基本的な操作で実装する方法を示す。
  論文  参考訳（メタデータ） (2023-01-30T10:50:33Z)
• Neuromorphic Artificial Intelligence Systems [58.1806704582023]
  フォン・ノイマンアーキテクチャと古典的ニューラルネットワークに基づく現代のAIシステムは、脳と比較して多くの基本的な制限がある。 この記事では、そのような制限と、それらが緩和される方法について論じる。 これは、これらの制限が克服されている現在利用可能なニューロモーフィックAIプロジェクトの概要を示す。
  論文  参考訳（メタデータ） (2022-05-25T20:16:05Z)
• CogNGen: Constructing the Kernel of a Hyperdimensional Predictive Processing Cognitive Architecture [79.07468367923619]
  神経生物学的に妥当な2つの計算モデルを組み合わせた新しい認知アーキテクチャを提案する。 我々は、現代の機械学習技術の力を持つ認知アーキテクチャを開発することを目指している。
  論文  参考訳（メタデータ） (2022-03-31T04:44:28Z)
• Neural Circuit Architectural Priors for Embodied Control [0.0]
  自然界では、動物は進化によって形作られた神経系において、高度に構造化された接続によって生まれます。 本研究では, 生体にインスパイアされたネットワークアーキテクチャが, 運動制御の文脈でどのような利点をもたらすのかを問う。
  論文  参考訳（メタデータ） (2022-01-13T23:22:16Z)
• Conceptual Expansion Neural Architecture Search (CENAS) [1.3464152928754485]
  概念拡張ニューラルアーキテクチャサーチ(CENAS)という手法を提案する。 サンプル効率が高く、計算的創造性にインスパイアされたトランスファーラーニングアプローチとニューラルアーキテクチャサーチを組み合わせたものだ。 新しいモデルのパラメータを近似するために、既存の重みを転送することで、素早いアーキテクチャ探索よりも高速なモデルを見つける。
  論文  参考訳（メタデータ） (2021-10-07T02:29:26Z)
• Learning Neuro-Symbolic Relational Transition Models for Bilevel Planning [61.37385221479233]
  本研究では,モデルに基づく強化学習と記号幾何学的ロボット計画の統合のギャップを埋めるための一歩を踏み出した。 NSRTはシンボリックコンポーネントとニューラルコンポーネントの両方を持ち、外ループにおけるシンボリックAI計画がインナーループ内のニューラルモデルによる継続的な計画をガイドするバイレベルプランニングスキームを可能にする。 NSRTは、ほんの数十～数百回のトレーニングの後に学習でき、目標を達成するのに最大60のアクションを必要とする新しいタスクの高速計画に使用される。
  論文  参考訳（メタデータ） (2021-05-28T19:37:18Z)
• Self-Constructing Neural Networks Through Random Mutation [0.0]
  本稿では,ランダム変異によるニューラルネットワークの学習方法を提案する。 1) 神経アーキテクチャはエージェントの生存中に学習可能であり, 2) 神経アーキテクチャは,初期接続やニューロンを必要とせず,単一のライフタイムで構築可能であり,3) 動的かつ新しいタスクシナリオへの迅速な適応を可能にする。
  論文  参考訳（メタデータ） (2021-03-29T15:27:38Z)
• A Semi-Supervised Assessor of Neural Architectures [157.76189339451565]
  我々は、ニューラルネットワークの有意義な表現を見つけるためにオートエンコーダを用いる。 アーキテクチャの性能を予測するために、グラフ畳み込みニューラルネットワークを導入する。
  論文  参考訳（メタデータ） (2020-05-14T09:02:33Z)
• Learning as Reinforcement: Applying Principles of Neuroscience for More General Reinforcement Learning Agents [1.0742675209112622]
  我々は、生物学的アルゴリズムの計算効率の良い抽象化を組み合わせることによって、実験神経科学の原理に基づいて構築されたアーキテクチャを実装する。 我々のアプローチは、スパイク刺激依存塑性の研究、短期記憶と長期記憶の遷移、および好奇心に対する様々な神経伝達物質の役割に着想を得たものである。 Neurons-in-a-Boxアーキテクチャは、完全に一般化可能な方法で学習することができ、一連の基準やアクションを明示的に最適化することなく、表現を構築し、適用するための効率的な方法を示す。
  論文  参考訳（メタデータ） (2020-04-20T04:06:21Z)

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。