論文の概要: Context-Based Echo State Networks with Prediction Confidence for Human-Robot Shared Control

• arxiv url: http://arxiv.org/abs/2412.00541v1
• Date: Sat, 30 Nov 2024 17:20:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-04 15:49:33.610800
• Title: Context-Based Echo State Networks with Prediction Confidence for Human-Robot Shared Control
• Title（参考訳）: ヒューマンロボット共有制御のための予測信頼度を考慮したコンテキストベースエコー状態ネットワーク
• Authors: Negin Amirshirzad, Mehmet Arda Eren, Erhan Oztop,
• Abstract要約: 本研究では,貯水池計算に基づく実験から得られた新しい軽量学習モデルを提案し,予測間隔で複数の運動軌跡を学習・生成する。 CESN+は、所望の条件に基づいて、最初のLfDトレーニングを超える軌道を生成することができる。 人間-ロボット共用制御アプリケーションでは、機械が生成した軌道の信頼性が制御共有を調停する方法の鍵となる指標である。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: In this paper, we propose a novel lightweight learning from demonstration (LfD) model based on reservoir computing that can learn and generate multiple movement trajectories with prediction intervals, which we call as Context-based Echo State Network with prediction confidence (CESN+). CESN+ can generate movement trajectories that may go beyond the initial LfD training based on a desired set of conditions while providing confidence on its generated output. To assess the abilities of CESN+, we first evaluate its performance against Conditional Neural Movement Primitives (CNMP), a comparable framework that uses a conditional neural process to generate movement primitives. Our findings indicate that CESN+ not only outperforms CNMP but is also faster to train and demonstrates impressive performance in generating trajectories for extrapolation cases. In human-robot shared control applications, the confidence of the machine generated trajectory is a key indicator of how to arbitrate control sharing. To show the usability of the CESN+ for human-robot adaptive shared control, we have designed a proof-of-concept human-robot shared control task and tested its efficacy in adapting the sharing weight between the human and the robot by comparing it to a fixed-weight control scheme. The simulation experiments show that with CESN+ based adaptive sharing the total human load in shared control can be significantly reduced. Overall, the developed CESN+ model is a strong lightweight LfD system with desirable properties such fast training and ability to extrapolate to the new task parameters while producing robust prediction intervals for its output.
• Abstract（参考訳）: 本稿では,貯水池計算に基づく新しい軽量学習モデルを提案する。このモデルでは,予測間隔で複数の移動軌跡を学習し,生成することが可能であり,予測信頼度(CESN+)を指標としたコンテキストベースEcho State Networkと呼ぶ。 CESN+は、所望の条件に基づいて最初のLfDトレーニングを超える運動軌跡を生成し、生成した出力に信頼を与えることができる。 CESN+の能力を評価するために,まず,条件付きニューラルプロセスを用いて動作プリミティブを生成する条件付きニューラル・ムーブメント・プリミティブ(CNMP)の性能を評価する。 以上の結果から,CESN+はCNMPより優れるだけでなく,トレーニングの速度も向上し,外挿症例の軌跡生成に優れていたことが示唆された。 人間-ロボット共用制御アプリケーションでは、機械が生成した軌道の信頼性が制御共有を調停する方法の鍵となる指標である。 本研究では,人間ロボット適応型共有制御におけるCESN+の有用性を示すために,概念実証型人間ロボット共有制御タスクを設計し,それを固定重み制御方式と比較することにより,人間とロボットの共有重みを適応させることの有効性を検証した。 シミュレーション実験により、CESN+をベースとした適応的共有により、共有制御における人的負荷の総量を大幅に削減できることが示された。 全体として、開発したCESN+モデルは、高速なトレーニングや新しいタスクパラメータへの外挿能力などの望ましい特性を持つ強力な軽量LfDシステムであり、出力に対して堅牢な予測間隔を生成する。

関連論文リスト

• Reservoir computing for system identification and predictive control with limited data [3.1484174280822845]
  我々は、ベンチマーク制御システムの力学を学習し、モデル予測制御(MPC)の代理モデルとして機能するRNN変種の評価を行う。 エコー状態ネットワーク(ESN)は、計算複雑性の低減、より有効な予測時間、MPC目的関数のコスト削減など、競合するアーキテクチャよりも様々な利点がある。
  論文  参考訳（メタデータ） (2024-10-23T21:59:07Z)
• Towards Human-Like Driving: Active Inference in Autonomous Vehicle Control [0.5437298646956507]
  本稿では,アクティブ推論の適用を通じて,自律走行車(AV)制御への新たなアプローチを提案する。 アクティブ推論(英: Active Inference)は、脳を予測機械として概念化する神経科学に由来する理論である。 提案手法は,深層学習と能動推論を統合してAVの側方制御を制御し,シミュレーション都市環境下で車線追従操作を行う。
  論文  参考訳（メタデータ） (2024-07-10T14:08:27Z)
• TLControl: Trajectory and Language Control for Human Motion Synthesis [68.09806223962323]
  本稿では,人間のリアルな動き合成のための新しい手法であるTLControlを提案する。 低レベルのTrajectoryと高レベルのLanguage semanticsコントロールが組み込まれている。 インタラクティブで高品質なアニメーション生成には実用的である。
  論文  参考訳（メタデータ） (2023-11-28T18:54:16Z)
• Combining model-predictive control and predictive reinforcement learning for stable quadrupedal robot locomotion [0.0]
  モデル予測型と予測型強化型学習コントローラの組み合わせによりこれを実現できるかを検討する。 本研究では,両制御手法を組み合わせて,四足歩行ロボットの安定ゲート生成問題に対処する。
  論文  参考訳（メタデータ） (2023-07-15T09:22:37Z)
• Value function estimation using conditional diffusion models for control [62.27184818047923]
  拡散値関数(DVF)と呼ばれる単純なアルゴリズムを提案する。 拡散モデルを用いて環境-ロボット相互作用の連成多段階モデルを学ぶ。 本稿では,DVFを用いて複数のコントローラの状態を効率よく把握する方法を示す。
  論文  参考訳（メタデータ） (2023-06-09T18:40:55Z)
• A Neural Active Inference Model of Perceptual-Motor Learning [62.39667564455059]
  アクティブ推論フレームワーク(英: active inference framework、AIF)は、現代の神経科学を基盤とした、有望な新しい計算フレームワークである。 本研究では,ヒトの視覚行動指導において,AIFが期待する役割を捉える能力をテストする。 本稿では,多次元世界状態から自由エネルギーの一次元分布にマッピングする先行関数の新たな定式化について述べる。
  論文  参考訳（メタデータ） (2022-11-16T20:00:38Z)
• Exploring Attention GAN for Vehicle Motion Prediction [2.887073662645855]
  身体的・社会的文脈を考慮した動き予測モデルにおける注意の影響について検討した。 本稿では,Argoverse Motion Forecasting Benchmark 1.1 を用いて提案手法の有効性を検証する。
  論文  参考訳（メタデータ） (2022-09-26T13:18:32Z)
• Safety-compliant Generative Adversarial Networks for Human Trajectory Forecasting [95.82600221180415]
  群衆における人間予測は、社会的相互作用をモデル化し、衝突のないマルチモーダル分布を出力するという課題を提示する。 SGANv2は、動き時間相互作用モデリングと変圧器に基づく識別器設計を備えた安全に配慮したSGANアーキテクチャである。
  論文  参考訳（メタデータ） (2022-09-25T15:18:56Z)
• Active Predicting Coding: Brain-Inspired Reinforcement Learning for Sparse Reward Robotic Control Problems [79.07468367923619]
  ニューラルジェネレーティブ・コーディング(NGC)の神経認知計算フレームワークによるロボット制御へのバックプロパゲーションフリーアプローチを提案する。 我々は、スパース報酬から動的オンライン学習を容易にする強力な予測符号化/処理回路から完全に構築されたエージェントを設計する。 提案するActPCエージェントは,スパース(外部)報酬信号に対して良好に動作し,複数の強力なバックプロップベースのRLアプローチと競合し,性能が優れていることを示す。
  論文  参考訳（メタデータ） (2022-09-19T16:49:32Z)
• Physics-Inspired Temporal Learning of Quadrotor Dynamics for Accurate Model Predictive Trajectory Tracking [76.27433308688592]
  クオーロタのシステムダイナミクスを正確にモデル化することは、アジャイル、安全、安定したナビゲーションを保証する上で非常に重要です。 本稿では,ロボットの経験から,四重項系の力学を純粋に学習するための新しい物理インスパイアされた時間畳み込みネットワーク(PI-TCN)を提案する。 提案手法は,スパース時間的畳み込みと高密度フィードフォワード接続の表現力を組み合わせて,正確なシステム予測を行う。
  論文  参考訳（メタデータ） (2022-06-07T13:51:35Z)
• ACNMP: Skill Transfer and Task Extrapolation through Learning from Demonstration and Reinforcement Learning via Representation Sharing [5.06461227260756]
  ACNMPは、異なる形態を持つロボット間のスキル伝達を実装するために使用できる。 本稿では,実際のロボット実験を通して,ACNMPの現実的適合性を示す。
  論文  参考訳（メタデータ） (2020-03-25T11:28:12Z)

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。