論文の概要: Design Optimizer for Soft Growing Robot Manipulators in Three-Dimensional Environments

• arxiv url: http://arxiv.org/abs/2501.00368v2
• Date: Wed, 22 Jan 2025 07:49:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-23 16:52:48.952768
• Title: Design Optimizer for Soft Growing Robot Manipulators in Three-Dimensional Environments
• Title（参考訳）: ソフト成長型ロボットマニピュレータの三次元環境における設計最適化
• Authors: Ahmet Astar, Ozan Nurcan, Erk Demirel, Emir Ozen, Ozan Kutlar, Fabio Stroppa,
• Abstract要約: ソフト成長ロボットは、散らかったり危険な環境下でのナビゲーションのための植物のような成長を模倣する新しいデバイスである。 本研究は,ソフト成長ロボットの設計最適化のためのアプローチを提案する。 これは、特定のタスクを解くためのロボットの最適なサイズを示唆している。
• 参考スコア（独自算出の注目度）: 0.7209792639354117
• License:
• Abstract: Soft growing robots are novel devices that mimic plant-like growth for navigation in cluttered or dangerous environments. Their ability to adapt to surroundings, combined with advancements in actuation and manufacturing technologies, allows them to perform specialized manipulation tasks. This work presents an approach for design optimization of soft growing robots; specifically, the three-dimensional extension of the optimizer designed for planar manipulators. This tool is intended to be used by engineers and robot enthusiasts before manufacturing their robot: it suggests the optimal size of the robot for solving a specific task. The design process models a multi-objective optimization problem to refine a soft manipulator's kinematic chain. Thanks to the novel Rank Partitioning algorithm integrated into Evolutionary Computation (EC) algorithms, this method achieves high precision in reaching targets and is efficient in resource usage. Results show significantly high performance in solving three-dimensional tasks, whereas comparative experiments indicate that the optimizer features robust output when tested with different EC algorithms, particularly genetic algorithms.
• Abstract（参考訳）: ソフト成長ロボットは、散らかったり危険な環境下でのナビゲーションのための植物のような成長を模倣する新しいデバイスである。 環境に適応する能力は、アクティベーションと製造技術の進歩と相まって、特別な操作タスクを実行することができる。 本研究は,ソフト成長ロボットの設計最適化へのアプローチ,特に平面マニピュレータ用に設計されたオプティマイザの3次元拡張について述べる。 このツールは、ロボットを製造する前にエンジニアやロボット愛好家によって使用されることを意図している。 設計プロセスは、ソフトマニピュレータのキネマティックチェーンを洗練するために、多目的最適化問題をモデル化する。 進化計算(Evolutionary Computation, EC)アルゴリズムに統合された新しいランク分割アルゴリズムにより, 到達目標の精度が向上し, 資源利用の効率化が期待できる。 結果は3次元課題の解法において著しく高い性能を示す一方、比較実験では、最適化器は異なるECアルゴリズム、特に遺伝的アルゴリズムでテストした場合に頑健な出力を特徴付けることが示されている。

関連論文リスト

• Robotic warehousing operations: a learn-then-optimize approach to large-scale neighborhood search [84.39855372157616]
  本稿では,ワークステーションの注文処理,アイテムポッドの割り当て,ワークステーションでの注文処理のスケジュールを最適化することで,ウェアハウジングにおけるロボット部品対ピッカー操作を支援する。 そこで我々は, 大規模近傍探索を用いて, サブプロブレム生成に対する学習を最適化する手法を提案する。 Amazon Roboticsと共同で、我々のモデルとアルゴリズムは、最先端のアプローチよりも、実用的な問題に対するより強力なソリューションを生み出していることを示す。
  論文  参考訳（メタデータ） (2024-08-29T20:22:22Z)
• Structural Optimization of Lightweight Bipedal Robot via SERL [6.761861053481078]
  本稿では,移動課題の強化学習と進化アルゴリズムを組み合わせたSERL(Structure Evolution Reinforcement Learning)アルゴリズムを提案する。 We designed a bipedal robot called Wow Orin, where the optimal leg length are obtained through optimization based on body structure and motor Turk。
  論文  参考訳（メタデータ） (2024-08-28T08:34:05Z)
• MuTT: A Multimodal Trajectory Transformer for Robot Skills [14.84252843639553]
  MuTTは、ロボットスキルの環境対応実行を予測するために設計された、新しいエンコーダ・デコーダ変換アーキテクチャである。 我々は、視覚と軌跡の融合を開拓し、新しい軌跡投影を導入した。 このアプローチは,現実的な実行を必要とせずに,現状環境におけるロボットスキルパラメータの最適化を容易にする。
  論文  参考訳（メタデータ） (2024-07-22T14:18:52Z)
• SAM-E: Leveraging Visual Foundation Model with Sequence Imitation for Embodied Manipulation [62.58480650443393]
  Segment Anything (SAM) は、一般化可能なシーン理解とシーケンス模倣のための視覚境界モデルである。 我々は,単一パスにおけるアクションシーケンスの予測を可能にする,新しいマルチチャネルヒートマップを開発した。
  論文  参考訳（メタデータ） (2024-05-30T00:32:51Z)
• The Impact of Evolutionary Computation on Robotic Design: A Case Study with an Underactuated Hand Exoskeleton [0.7209792639354117]
  本研究では,ロボット設計最適化における進化計算法の可能性について検討する。 EC法は、ブルート力よりも正確で最適な解が得られる。 その結果, デバイスがユーザへ転送するトルクの程度において, 大幅な改善が見られた。
  論文  参考訳（メタデータ） (2024-03-23T11:50:20Z)
• RoboScript: Code Generation for Free-Form Manipulation Tasks across Real and Simulation [77.41969287400977]
  本稿では,コード生成を利用したデプロイ可能なロボット操作パイプラインのためのプラットフォームである textbfRobotScript を提案する。 自由形自然言語におけるロボット操作タスクのためのコード生成ベンチマークも提案する。 我々は,Franka と UR5 のロボットアームを含む,複数のロボットエボディメントにまたがるコード生成フレームワークの適応性を実証した。
  論文  参考訳（メタデータ） (2024-02-22T15:12:00Z)
• Design Optimizer for Planar Soft-Growing Robot Manipulators [1.1888144645004388]
  本研究は,ソフト成長ロボットの設計最適化のための新しいアプローチを提案する。 ソフトマニピュレータのキネマティックチェーンを最適化し、ターゲットに到達し、材料や資源の不要な過剰使用を避ける。 提案手法を最適性にアクセスするために, 提案手法を検証したところ, 解法の性能は著しく向上した。
  論文  参考訳（メタデータ） (2023-10-05T08:23:17Z)
• GLSO: Grammar-guided Latent Space Optimization for Sample-efficient Robot Design Automation [16.96128900256427]
  設計自動化を低次元連続最適化問題に変換するフレームワークであるGrammar-Guided Latent Space Optimization (GLSO)を提案する。 本研究では,グラフ構造設計空間と連続潜在空間とのマッピングを学習するために,グラフ変分オートエンコーダ(VAE)を訓練することにより,設計自動化を低次元連続最適化問題に変換するフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-09-23T17:48:24Z)
• Intelligent Trajectory Design for RIS-NOMA aided Multi-robot Communications [59.34642007625687]
  目的は,ロボットの軌道とNOMA復号命令を協調的に最適化することで,マルチロボットシステムにおける全軌道の総和率を最大化することである。 ARIMAモデルとDouble Deep Q-network (D$3$QN)アルゴリズムを組み合わせたML方式を提案する。
  論文  参考訳（メタデータ） (2022-05-03T17:14:47Z)
• Geometry-aware Bayesian Optimization in Robotics using Riemannian Mat\'ern Kernels [64.62221198500467]
  ベイズ最適化のための幾何対応カーネルの実装方法を示す。 この技術は、ロボット工学における制御パラメータチューニング、パラメトリックポリシー適応、構造設計に利用できる。
  論文  参考訳（メタデータ） (2021-11-02T09:47:22Z)
• AI-based Modeling and Data-driven Evaluation for Smart Manufacturing Processes [56.65379135797867]
  本稿では,半導体製造プロセスに関する有用な知見を得るための動的アルゴリズムを提案する。 本稿では,遺伝的アルゴリズムとニューラルネットワークを利用して,知的特徴選択アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-08-29T14:57:53Z)

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。