Fugu-MT 論文翻訳(概要): Fine Tuning Swimming Locomotion Learned from Mosquito Larvae

論文の概要: Fine Tuning Swimming Locomotion Learned from Mosquito Larvae

arxiv url: http://arxiv.org/abs/2412.02702v1
Date: Sat, 16 Nov 2024 06:54:43 GMT
ステータス: 翻訳完了
システム内更新日: 2024-12-08 09:16:13.374187
Title: Fine Tuning Swimming Locomotion Learned from Mosquito Larvae
Title（参考訳）: Mosquito Larvaeから学んだ微調整スイミング・ロコモーション
Authors: Pranav Rajbhandari, Karthick Dhileep, Sridhar Ravi, Donald Sofge,
Abstract要約: 本研究では, 蚊幼虫の後方泳動を解析し, パラメータ化し, 計算流体力学(CFD)モデルで再現した。本稿では,スイマーのモデルに対して,このコピーソリューションをさらに最適化する。
参考スコア（独自算出の注目度）: 0.9349784561232036
License:
Abstract: In prior research, we analyzed the backwards swimming motion of mosquito larvae, parameterized it, and replicated it in a Computational Fluid Dynamics (CFD) model. Since the parameterized swimming motion is copied from observed larvae, it is not necessarily the most efficient locomotion for the model of the swimmer. In this project, we further optimize this copied solution for the swimmer model. We utilize Reinforcement Learning to guide local parameter updates. Since the majority of the computation cost arises from the CFD model, we additionally train a deep learning model to replicate the forces acting on the swimmer model. We find that this method is effective at performing local search to improve the parameterized swimming locomotion.
Abstract（参考訳）: 本研究では, 蚊幼虫の後方泳動を解析し, パラメータ化し, 計算流体力学(CFD)モデルで再現した。パラメタライズド・スイミング・ムーブメントは観察された幼虫からコピーされるため、必ずしもスイマーのモデルにとって最も効率的な移動であるとは限らない。本稿では,スイマーモデルに対して,このコピーソリューションをさらに最適化する。強化学習を利用して、ローカルパラメータの更新をガイドする。 CFDモデルから計算コストの大部分が生じるので,スイマーモデルに作用する力を再現するために,深層学習モデルを訓練する。そこで本手法は,パラメータ化された水泳ロコモーションを改善するために,局所探索を行うのに有効であることがわかった。

関連論文リスト

Warmstarting for Scaling Language Models [47.691182347349894]
モデルのサイズを拡大してパフォーマンスをスケールすることは、現在の大規模言語モデルパラダイムにとって非常にうまく機能しています。現代の規模のデータとモデルに対する高いトレーニングコストは、そのようなトレーニング設定のチューニング方法と到着方法の理解の欠如をもたらす。大型モデルの事前訓練のコストを改善する1つの方法は、より安価にチューニングできる小型モデルから大規模なトレーニングをウォームスタートさせることである。
論文参考訳（メタデータ） (2024-11-11T20:02:29Z)
Deep reinforcement learning for tracking a moving target in jellyfish-like swimming [16.727471388063893]
本研究では,ゼリーフィッシュのようなスイマーを訓練し,運動目標を二次元の流れで追跡する深層強化学習法を開発した。深層Qネットワーク(DQN)を用いて,スイマーの幾何と動的パラメータを入力とし,スイマーに適用される力である動作を出力する。
論文参考訳（メタデータ） (2024-09-13T13:29:46Z)
A-SDM: Accelerating Stable Diffusion through Redundancy Removal and Performance Optimization [54.113083217869516]
本研究ではまず,ネットワークの計算冗長性について検討する。次に、モデルの冗長性ブロックをプルークし、ネットワーク性能を維持する。第3に,計算集約型注意部を高速化するグローバル地域対話型注意(GRI)を提案する。
論文参考訳（メタデータ） (2023-12-24T15:37:47Z)
Surrogate-Assisted Evolutionary Generative Design Of Breakwaters Using Deep Convolutional Networks [0.0]
そこで本研究では,沿岸域の高速かつ効果的な生成設計のための多目的進化的サロゲート支援手法を提案する。計算コストのかかる目的関数を近似するために、深部畳み込みニューラルネットワークが代理モデルとして使用される。実験結果から,提案手法により,非代理手法よりも効率的な(より優れた保護特性を持つコストの低い)ソリューションを同時に得られることが確認された。
論文参考訳（メタデータ） (2022-04-07T12:37:40Z)
OstrichRL: A Musculoskeletal Ostrich Simulation to Study Bio-mechanical Locomotion [8.849771760994273]
MuJoCoシミュレータに基づくオストリッチの3次元筋骨格シミュレーションを作成した。このモデルは、実際の筋肉データを集めるために使用されるCTスキャンと解剖に基づいている。また,レファレンス・モーション・トラッキングや,ネック付きリーチ・タスクなど,一連の強化学習タスクも提供する。
論文参考訳（メタデータ） (2021-12-11T19:58:11Z)
Block Pruning For Faster Transformers [89.70392810063247]
小型モデルと高速モデルの両方を対象としたブロックプルーニング手法を提案する。このアプローチは、アテンションヘッドのような基盤となるモデルの完全なコンポーネントを抽出することを学ぶ。
論文参考訳（メタデータ） (2021-09-10T12:46:32Z)
STAR: Sparse Transformer-based Action Recognition [61.490243467748314]
本研究は,空間的次元と時間的次元に細かな注意を払っている新しいスケルトンに基づく人間行動認識モデルを提案する。実験により、トレーニング可能なパラメータをはるかに少なくし、トレーニングや推論の高速化を図りながら、モデルが同等のパフォーマンスを達成できることが示されている。
論文参考訳（メタデータ） (2021-07-15T02:53:11Z)
Physics-informed CoKriging model of a redox flow battery [68.8204255655161]
レドックスフロー電池(RFB)は、大量のエネルギーを安価かつ効率的に貯蔵する機能を提供する。 RFBの充電曲線の高速かつ正確なモデルが必要であり、バッテリ容量と性能が向上する可能性がある。 RFBの電荷分配曲線を予測する多相モデルを構築した。
論文参考訳（メタデータ） (2021-06-17T00:49:55Z)
Learning swimming escape patterns under energy constraints [6.014777261874645]
流れシミュレーションは、天然の幼生スイマーで観察されたものと一致する脱出パターンを特定した。エネルギー制約下でスイマー脱出パターンを発見するために強化学習を展開する。
論文参考訳（メタデータ） (2021-05-03T11:58:37Z)
Hybrid Physics and Deep Learning Model for Interpretable Vehicle State Prediction [75.1213178617367]
深層学習と物理運動モデルを組み合わせたハイブリッドアプローチを提案する。ハイブリッドモデルの一部として,ディープニューラルネットワークの出力範囲を制限することで,解釈可能性を実現する。その結果, ハイブリッドモデルでは, 既存のディープラーニング手法に比べて精度を低下させることなく, モデル解釈性が向上できることがわかった。
論文参考訳（メタデータ） (2021-03-11T15:21:08Z)
Predicting heave and surge motions of a semi-submersible with neural networks [4.0097067208724955]
半潜水艇のヒーブ動作とサージ動作を予測するために,LSTM(Long Short-term memory)に基づく機械学習モデルを開発した。測定波の助けを借りて、予測は46.5秒を将来まで延長し、平均精度は90%近くになった。
論文参考訳（メタデータ） (2020-07-31T11:24:46Z)

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。