論文の概要: Can I do it
- arxiv url: http://arxiv.org/abs/2412.02569v1
- Date: Tue, 03 Dec 2024 16:54:49 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-04 15:48:35.139802
- Title: Can I do it
- Title(参考訳): できますか?
- Authors: Joris Sijs, Carlos Hernandez-Corbato, Willeke van Vught, Julio Oliveira,
- Abstract要約: 本稿では、オンシステムエンジニアリング、システムコンポーネント間の接続に関する推論的推論、および現在のシステム構成におけるこれらのコンポーネントのパフォーマンスに関する帰納的推論を組み合わせた知識表現を紹介する。
我々の現実的な実装は、望まれるパフォーマンスで特定のタスクをこなせるかどうかという疑問に答えられるロボットを示している。
- 参考スコア(独自算出の注目度): 4.476916572404526
- License:
- Abstract: Knowledge about how well a robot can perform a specific task is currently present only in engineering reports which are inaccessible to the robot. Artificial Intelligence techniques, such as hypergraphs and automated reasoning, can provide such engineering knowledge online while enabling updates in the knowledge with new experiences. This requires a sound knowledge structure and maintenance routines for keeping this knowledge-base about the robot's capabilities truthful. A robot with such up-to-date information can reason about if and how well it can accomplish a task. This article introduces a knowledge representation that combines an ontology on system engineering, a deductive reasoning on the connections between system components, and an inductive reasoning on the performance of these components in the current system configuration. This representation is further used to derive the expected performance for the overall system based on a continuous evaluation of the actual performance per component. Our real-life implementation shows a robot that can answer questions on whether it can do a specific task with the desired performance.
- Abstract(参考訳): ロボットが特定のタスクをどれだけうまくこなすかについての知識は、現在、ロボットにアクセスできないエンジニアリングレポートにのみ存在する。
ハイパーグラフや自動推論などの人工知能技術は、そのようなエンジニアリング知識をオンラインで提供し、新しい経験による知識の更新を可能にする。
ロボットの能力についてこの知識ベースを維持するためには、健全な知識構造とメンテナンスルーチンが必要です。
このような最新の情報を持つロボットは、そのタスクをどれだけうまく達成できるかを判断することができる。
本稿では,システム工学のオントロジー,システムコンポーネント間の接続に関する推論的推論,システム構成におけるこれらのコンポーネントのパフォーマンスに関する帰納的推論を組み合わせた知識表現を紹介する。
この表現は、コンポーネントごとの実際のパフォーマンスの連続的な評価に基づいて、システム全体の期待性能を導出するためにさらに使用される。
我々の現実的な実装は、望まれるパフォーマンスで特定のタスクをこなせるかどうかという疑問に答えられるロボットを示している。
関連論文リスト
- $π_0$: A Vision-Language-Action Flow Model for General Robot Control [77.32743739202543]
本稿では,インターネット規模のセマンティック知識を継承するために,事前学習された視覚言語モデル(VLM)上に構築された新しいフローマッチングアーキテクチャを提案する。
我々は,事前訓練後のタスクをゼロショットで実行し,人からの言語指導に追従し,微調整で新たなスキルを習得する能力の観点から,我々のモデルを評価した。
論文 参考訳(メタデータ) (2024-10-31T17:22:30Z) - Learning Object Properties Using Robot Proprioception via Differentiable Robot-Object Interaction [52.12746368727368]
微分可能シミュレーションは、システム識別の強力なツールとなっている。
本手法は,オブジェクト自体のデータに頼ることなく,ロボットからの情報を用いてオブジェクト特性を校正する。
低コストなロボットプラットフォームにおける本手法の有効性を実証する。
論文 参考訳(メタデータ) (2024-10-04T20:48:38Z) - Body Transformer: Leveraging Robot Embodiment for Policy Learning [51.531793239586165]
ボディートランスフォーマー(ボディートランスフォーマー、Body Transformer、BoT)は、学習プロセスを導く誘導バイアスを提供することで、ロボットの体現性を活用するアーキテクチャである。
我々はロボットの体をセンサーとアクチュエータのグラフとして表現し、建築全体を通してプール情報にマスキングされた注意を頼りにしている。
結果として得られるアーキテクチャは、バニラ変換器と古典的な多層パーセプトロンを、タスク完了、スケーリング特性、計算効率の点で上回る。
論文 参考訳(メタデータ) (2024-08-12T17:31:28Z) - Knowledge Acquisition and Completion for Long-Term Human-Robot
Interactions using Knowledge Graph Embedding [0.0]
本研究では,長期にわたる継続的な学習において,ユーザや環境からデータを収集するアーキテクチャを提案する。
我々は,ロボットの内部表現を段階的に拡張することを目的として,取得した情報を一般化するための知識グラフ埋め込み技術を採用した。
本研究では,学習主体のロボットの能力と,未知の文脈から得られる関係を計測することにより,連続学習アーキテクチャの性能を評価する。
論文 参考訳(メタデータ) (2023-01-17T12:23:40Z) - A Road-map to Robot Task Execution with the Functional Object-Oriented
Network [77.93376696738409]
関数型オブジェクト指向ネットワーク(FOON)はロボットの知識グラフ表現である。
FOONは、二部グラフの形で、ロボットの環境やタスクに対する理解に関係のある象徴的あるいは高レベルな情報を含んでいる。
論文 参考訳(メタデータ) (2021-06-01T00:43:04Z) - Cognitive architecture aided by working-memory for self-supervised
multi-modal humans recognition [54.749127627191655]
人間パートナーを認識する能力は、パーソナライズされた長期的な人間とロボットの相互作用を構築するための重要な社会的スキルです。
ディープラーニングネットワークは最先端の結果を達成し,そのような課題に対処するための適切なツールであることが実証された。
1つの解決策は、ロボットに自己スーパービジョンで直接の感覚データから学習させることである。
論文 参考訳(メタデータ) (2021-03-16T13:50:24Z) - Dynamic Knowledge Graphs as Semantic Memory Model for Industrial Robots [0.7863638253070437]
本稿では,機械が情報や経験を収集し,時間とともにより熟達する意味記憶モデルを提案する。
データのセマンティック分析の後、情報は、自然言語で表現された命令を理解し、必要なタスクを決定論的に実行するために使用される知識グラフに格納される。
論文 参考訳(メタデータ) (2021-01-04T17:15:30Z) - Axiom Learning and Belief Tracing for Transparent Decision Making in
Robotics [8.566457170664926]
ロボットがその決定や信念の説明を提供する能力は、人間との効果的なコラボレーションを促進する。
我々のアーキテクチャは、非単調な論理的推論、ディープラーニング、決定木帰納の相補的な強みを兼ね備えています。
推論と学習の間、このアーキテクチャにより、ロボットはその決定、信念、仮説的行動の結果について、オンデマンドでリレーショナルな記述を提供することができる。
論文 参考訳(メタデータ) (2020-10-20T22:09:17Z) - Integrated Benchmarking and Design for Reproducible and Accessible
Evaluation of Robotic Agents [61.36681529571202]
本稿では,開発とベンチマークを統合した再現性ロボット研究の新しい概念について述べる。
このセットアップの中心的なコンポーネントの1つはDuckietown Autolabであり、これは比較的低コストで再現可能な標準化されたセットアップである。
本研究では,インフラを用いて実施した実験の再現性を解析し,ロボットのハードウェアや遠隔実験室間でのばらつきが低いことを示す。
論文 参考訳(メタデータ) (2020-09-09T15:31:29Z) - A Development Cycle for Automated Self-Exploration of Robot Behaviors [4.449139319395159]
Q-Rockは、自動的な自己探索とロボットの振る舞いの資格のための開発サイクルである。
Q-Rockは、ロボットシステムの設計における複雑さの増加に対応するために、いくつかの機械学習と推論技術を組み合わせている。
論文 参考訳(メタデータ) (2020-07-29T16:01:52Z) - Learning and Reasoning for Robot Dialog and Navigation Tasks [44.364322669414776]
我々は,強化学習と確率論的推論手法の相補的長所を考察しながら,ロボットタスク完了のためのアルゴリズムを開発した。
ロボットは試行錯誤の経験から学習し、宣言的な知識ベースを強化する。
我々は,ダイアログとナビゲーションタスクを実行する移動ロボットを用いて,開発したアルゴリズムを実装し,評価した。
論文 参考訳(メタデータ) (2020-05-20T03:20:42Z)
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。