論文の概要: BodyGen: Advancing Towards Efficient Embodiment Co-Design
- arxiv url: http://arxiv.org/abs/2503.00533v1
- Date: Sat, 01 Mar 2025 15:25:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-05 19:13:20.348629
- Title: BodyGen: Advancing Towards Efficient Embodiment Co-Design
- Title（参考訳）: BodyGen: 効率的な体育共同設計に向けての取り組み
- Authors: Haofei Lu, Zhe Wu, Junliang Xing, Jianshu Li, Ruoyu Li, Zhe Li, Yuanchun Shi,
- Abstract要約: エボディメントの共同設計は、ロボットの形態と制御ポリシーを同時に最適化することを目的としている。
設計と制御の両方にトポロジを意識した自己アテンションを利用するBodyGenを提案する。
Bodyは最先端のベースラインに対して平均60.03%のパフォーマンス改善を実現している。
- 参考スコア（独自算出の注目度）: 33.072802665855626
- License:
- Abstract: Embodiment co-design aims to optimize a robot's morphology and control policy simultaneously. While prior work has demonstrated its potential for generating environment-adaptive robots, this field still faces persistent challenges in optimization efficiency due to the (i) combinatorial nature of morphological search spaces and (ii) intricate dependencies between morphology and control. We prove that the ineffective morphology representation and unbalanced reward signals between the design and control stages are key obstacles to efficiency. To advance towards efficient embodiment co-design, we propose BodyGen, which utilizes (1) topology-aware self-attention for both design and control, enabling efficient morphology representation with lightweight model sizes; (2) a temporal credit assignment mechanism that ensures balanced reward signals for optimization. With our findings, Body achieves an average 60.03% performance improvement against state-of-the-art baselines. We provide codes and more results on the website: https://genesisorigin.github.io.
- Abstract（参考訳）: エボディメントの共同設計は、ロボットの形態と制御ポリシーを同時に最適化することを目的としている。
これまでの研究は環境適応型ロボットの可能性を実証してきたが、この分野は依然として最適化効率の持続的な課題に直面している。
一 形態検索空間の組合せの性質及び組合せ
(二)形態学と制御の複雑な依存関係
設計段階と制御段階の間の非効率な形態表現と不均衡な報酬信号が効率の鍵となる障害であることを証明した。
本研究では,(1)設計と制御の両方にトポロジを意識した自己認識を活用し,軽量モデルサイズで効率的な形態表現を可能にするBodyGen,(2)最適化のためのバランスの取れた報酬信号を保証する時間的信用割当機構を提案する。
その結果,Bodyは最先端のベースラインに対して平均60.03%の性能向上を達成した。
私たちは、Webサイト上でコードとさらなる結果を提供しています。
関連論文リスト
- Accelerated Gradient-based Design Optimization Via Differentiable Physics-Informed Neural Operator: A Composites Autoclave Processing Case Study [0.0]
本稿では,複雑な工学系の非線形挙動を効果的にモデル化する物理インフォームドディープONet(PIDON)アーキテクチャを提案する。
3倍の高速化を実現した航空宇宙グレード複合材料硬化プロセスの最適化における本フレームワークの有効性を実証する。
提案モデルには,高度工学およびディジタルツインシステムにおける幅広い応用のための,スケーラブルで効率的な最適化ツールとして使用される可能性がある。
論文 参考訳（メタデータ） (2025-02-17T07:11:46Z) - STAR: Synthesis of Tailored Architectures [61.080157488857516]
本稿では, 適合型アーキテクチャ (STAR) の新規な合成手法を提案する。
提案手法は線形入力可変系の理論に基づく新しい探索空間を結合し,階層的な数値エンコーディングをアーキテクチャゲノムに支持する。STARゲノムは,複数のモデル品質と効率の指標に最適化するために,勾配のない進化的アルゴリズムで自動的に精製・組換えされる。
STARを用いて、多種多様な計算単位と相互接続パターンを活用し、品質、パラメータサイズ、および自動回帰言語モデリングのための推論キャッシュのフロンティアにおける高度に最適化されたトランスフォーマーとストライプハイブリッドモデルを改善する。
論文 参考訳（メタデータ） (2024-11-26T18:42:42Z) - 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) - Understanding fitness landscapes in morpho-evolution via local optima
networks [0.1843404256219181]
モルフォ進化(Morpho-evolution、ME)とは、ロボットの設計とコントローラを同時に最適化し、タスクと環境が与えられた性能を最大化することを指す。
従来の研究では、目的関数に対する性能と評価される設計の多様性に関して、エンコーディングの実証的な比較を行っているが、この結果を説明する試みは行われていない。
移動作業のためのロボットを進化させる際の3つの異なるエンコーディングによって引き起こされるフィットネスランドスケープの構造について検討し、異なるフィットネスランドスケープを探索プロセスで横断できる容易性に新たな光を当てる。
論文 参考訳（メタデータ） (2024-02-12T17:26:35Z) - DiffuseBot: Breeding Soft Robots With Physics-Augmented Generative
Diffusion Models [102.13968267347553]
本稿では,様々なタスクにおいて優れたソフトロボット形態を生成する物理拡張拡散モデルであるDiffuseBotを提案する。
我々は、その能力とともに、シミュレーションされた、そして製造された様々なロボットを紹介します。
論文 参考訳（メタデータ） (2023-11-28T18:58:48Z) - Universal Morphology Control via Contextual Modulation [52.742056836818136]
異なるロボット形態をまたいだ普遍的なポリシーの学習は、継続的な制御における学習効率と一般化を著しく向上させることができる。
既存の手法では、グラフニューラルネットワークやトランスフォーマーを使用して、異種状態と異なる形態のアクション空間を処理する。
本稿では,この依存関係を文脈変調によりモデル化する階層型アーキテクチャを提案する。
論文 参考訳（メタデータ） (2023-02-22T00:04:12Z) - Emergent Hand Morphology and Control from Optimizing Robust Grasps of
Diverse Objects [63.89096733478149]
多様な物体をつかむために、効果的なハンドデザインが自然に現れるデータ駆動型アプローチを紹介します。
形態と把持スキルを共同で効率的に設計するベイズ最適化アルゴリズムを開発した。
我々は,新しい物体をつかむための堅牢で費用効率のよい手形態を発見するためのアプローチの有効性を実証する。
論文 参考訳（メタデータ） (2020-12-22T17:52:29Z) - Optimization-Inspired Learning with Architecture Augmentations and
Control Mechanisms for Low-Level Vision [74.9260745577362]
本稿では,GDC(Generative, Discriminative, and Corrective)の原則を集約する,最適化に着想を得た統合学習フレームワークを提案する。
フレキシブルな組み合わせで最適化モデルを効果的に解くために,3つのプロパゲーティブモジュールを構築した。
低レベル視覚タスクにおける実験は、GDCの有効性と適応性を検証する。
論文 参考訳（メタデータ） (2020-12-10T03:24:53Z) - Neural fidelity warping for efficient robot morphology design [40.85746315602933]
低忠実度評価により計算資源を効率的に活用する連続多忠実ベイズ最適化フレームワークを提案する。
本手法は,ロボットの最適形態を効率的に探索するために低忠実度評価を活用できる。
論文 参考訳（メタデータ） (2020-12-08T03:41:22Z) - Physics-Informed Neural State Space Models via Learning and Evolution [1.1086440815804224]
システム同定のためのニューラル状態空間力学モデルの検出法について検討する。
モデル選択と最適化を交互に行う非同期な遺伝的探索アルゴリズムを用いる。
論文 参考訳（メタデータ） (2020-11-26T23:35:08Z) - EOS: a Parallel, Self-Adaptive, Multi-Population Evolutionary Algorithm
for Constrained Global Optimization [68.8204255655161]
EOSは実数値変数の制約付きおよび制約なし問題に対する大域的最適化アルゴリズムである。
これはよく知られた微分進化(DE)アルゴリズムに多くの改良を加えている。
その結果、EOSisは、最先端の単一人口自己適応Dアルゴリズムと比較して高い性能を達成可能であることが証明された。
論文 参考訳（メタデータ） (2020-07-09T10:19:22Z)
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。