論文の概要: QuietPaw: Learning Quadrupedal Locomotion with Versatile Noise Preference Alignment

• arxiv url: http://arxiv.org/abs/2503.05035v1
• Date: Thu, 06 Mar 2025 23:20:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-10 12:20:27.934682
• Title: QuietPaw: Learning Quadrupedal Locomotion with Versatile Noise Preference Alignment
• Title（参考訳）: QuietPaw: 四足歩行の学習
• Authors: Yuyou Zhang, Yihang Yao, Shiqi Liu, Yaru Niu, Changyi Lin, Yuxiang Yang, Wenhao Yu, Tingnan Zhang, Jie Tan, Ding Zhao,
• Abstract要約: 四足歩行ロボットの騒音は、家やオフィス、病院といった人間中心の環境を妨害する可能性がある。 そこで我々は,騒音の低減レベルにポリシーの振舞いを条件付けることで,フレキシブルでノイズ対応のロコモーションを可能にする,制約付き学習ベースアルゴリズムQuietPawを提案する。 我々はシミュレーションと実世界における我々のアプローチを検証し、CNCPがロコモーション性能と雑音制約を効果的にバランスできることを実証した。
• 参考スコア（独自算出の注目度）: 32.730540558720314
• License:
• Abstract: When operating at their full capacity, quadrupedal robots can produce loud footstep noise, which can be disruptive in human-centered environments like homes, offices, and hospitals. As a result, balancing locomotion performance with noise constraints is crucial for the successful real-world deployment of quadrupedal robots. However, achieving adaptive noise control is challenging due to (a) the trade-off between agility and noise minimization, (b) the need for generalization across diverse deployment conditions, and (c) the difficulty of effectively adjusting policies based on noise requirements. We propose QuietPaw, a framework incorporating our Conditional Noise-Constrained Policy (CNCP), a constrained learning-based algorithm that enables flexible, noise-aware locomotion by conditioning policy behavior on noise-reduction levels. We leverage value representation decomposition in the critics, disentangling state representations from condition-dependent representations and this allows a single versatile policy to generalize across noise levels without retraining while improving the Pareto trade-off between agility and noise reduction. We validate our approach in simulation and the real world, demonstrating that CNCP can effectively balance locomotion performance and noise constraints, achieving continuously adjustable noise reduction.
• Abstract（参考訳）: 四足歩行ロボットは、フル容量で操作すると大きな音を出すことができ、家やオフィス、病院といった人間中心の環境では破壊的になる可能性がある。 その結果、四足歩行ロボットの現実的な展開を成功させるためには、ロコモーション性能と騒音制約のバランスが不可欠である。 しかし、適応的な騒音制御を実現することは困難である。 a) 機敏さと騒音の最小化のトレードオフ (b)多様な展開条件にまたがる一般化の必要性、及び (c)騒音条件に基づく政策を効果的に調整することの難しさ。 本研究では,条件付きノイズ制約ポリシ(CNCP)を組み込んだフレームワークQuietPawを提案する。 我々は、批評家の値表現の分解を活用し、状態表現を条件依存表現から切り離すことで、単一の汎用的なポリシーで、雑音レベルをまたがって再訓練することなく一般化し、アジリティとノイズリダクションの間のパレートのトレードオフを改善することができる。 我々はシミュレーションと実世界における我々のアプローチを検証し、CNCPがロコモーション性能と騒音制約を効果的にバランスさせ、連続的に調整可能なノイズ低減を実現することを実証した。

関連論文リスト

• Fidelity-Enhanced Variational Quantum Optimal Control [0.0]
  そこで本研究では,Schr"odinger方程式に基づくロバストパルス生成法を提案する。 環境騒音源と制御系固有の騒音源の両方を考慮することにより、単一および複数ビット状態の準備において、忠実度が著しく増加することが注目される。
  論文  参考訳（メタデータ） (2025-01-29T14:59:34Z)
• Partially Adaptive Multichannel Joint Reduction of Ego-noise and Environmental Noise [25.51080528855037]
  エゴノワーズは主にロボットの内部モーターと関節によって引き起こされる。 本研究では,エゴノイズと環境騒音を協調的にモデル化する多チャンネル部分適応方式を提案する。
  論文  参考訳（メタデータ） (2023-03-27T09:40:14Z)
• Latent Class-Conditional Noise Model [54.56899309997246]
  本稿では,ベイズ的枠組みの下での雑音遷移をパラメータ化するためのLatent Class-Conditional Noise Model (LCCN)を提案する。 次に、Gibs sampler を用いて遅延真のラベルを効率的に推測できる LCCN の動的ラベル回帰法を導出する。 提案手法は,サンプルのミニバッチから事前の任意チューニングを回避するため,ノイズ遷移の安定な更新を保護している。
  論文  参考訳（メタデータ） (2023-02-19T15:24:37Z)
• Improve Noise Tolerance of Robust Loss via Noise-Awareness [60.34670515595074]
  本稿では,NARL-Adjuster(NARL-Adjuster for brevity)と呼ばれる,ハイパーパラメータ予測関数を適応的に学習するメタラーニング手法を提案する。 4つのSOTAロバストな損失関数を我々のアルゴリズムに統合し,提案手法の一般性および性能をノイズ耐性と性能の両面で検証した。
  論文  参考訳（メタデータ） (2023-01-18T04:54:58Z)
• NLIP: Noise-robust Language-Image Pre-training [95.13287735264937]
  雑音調和と雑音補完という2つの手法を用いて事前学習の安定化を図るため,NLIPの原理的手法を提案する。 我々のNLIPは、画像テキスト事前学習における一般的なノイズ効果をより効率的に軽減することができる。
  論文  参考訳（メタデータ） (2022-12-14T08:19:30Z)
• C2N: Practical Generative Noise Modeling for Real-World Denoising [53.96391787869974]
  両例を使わずに複雑な実世界の騒音を模倣するクリーン・ツー・ノイズ画像生成フレームワーク,すなわちC2Nを導入する。 我々は,C2Nの騒音発生器を実世界の騒音特性の成分に応じて構築し,広い範囲の騒音を正確に表現する。
  論文  参考訳（メタデータ） (2022-02-19T05:53:46Z)
• Towards Adversarially Robust Deep Image Denoising [199.2458715635285]
  本研究は,ディープ・イメージ・デノイザ(DID)の対角的ロバスト性について系統的に検討する。 本稿では,観測に基づくゼロ平均アタック(sc ObsAtk)という新たな敵攻撃を提案する。 DIDを頑健化するために,DIDと非対向雑音データとを併用したハイブリッド対向訓練(sc HAT)を提案する。
  論文  参考訳（メタデータ） (2022-01-12T10:23:14Z)
• Improving Noise Robustness of Contrastive Speech Representation Learning with Speech Reconstruction [109.44933866397123]
  実環境における音声認識システムの実現には,雑音の堅牢性が不可欠である。 雑音認識のための自己教師型フレームワークにより学習したノイズロスト表現を用いる。 ラベル付きデータのわずか16%で報告された最高の教師付きアプローチに匹敵するパフォーマンスを実現した。
  論文  参考訳（メタデータ） (2021-10-28T20:39:02Z)
• Dynamic Layer Customization for Noise Robust Speech Emotion Recognition in Heterogeneous Condition Training [16.807298318504156]
  ノイズ条件毎に,サンプルを特殊特徴エンコーダに動的にルーティングすることで,性能を向上できることを示す。 時間的順序付けを動的にルーティングすることで,これらの改善をマルチモーダル設定に拡張する。
  論文  参考訳（メタデータ） (2020-10-21T18:07:32Z)

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。