論文の概要: Bio-Inspired Plastic Neural Networks for Zero-Shot Out-of-Distribution Generalization in Complex Animal-Inspired Robots

• arxiv url: http://arxiv.org/abs/2503.12406v1
• Date: Sun, 16 Mar 2025 08:13:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-18 15:59:07.589820
• Title: Bio-Inspired Plastic Neural Networks for Zero-Shot Out-of-Distribution Generalization in Complex Animal-Inspired Robots
• Title（参考訳）: 複合動物型ロボットにおけるゼロショットアウトオブディストリビューション一般化のためのバイオインスパイアされたプラスチックニューラルネットワーク
• Authors: Binggwong Leung, Worasuchad Haomachai, Joachim Winther Pedersen, Sebastian Risi, Poramate Manoonpong,
• Abstract要約: ヘビアン学習は局所的な神経活動に基づいて動的に重みを調整することができる。 We improve the Hebbian network with a weight normalization mechanism for prevent weight divergence。 ヘビアンをベースとしたプラスチックネットワークは,ゼロショット・シム・トゥ・リアル・アダプティブ・ロコモーションを実行することができる。
• 参考スコア（独自算出の注目度）: 13.258635303030605
• License:
• Abstract: Artificial neural networks can be used to solve a variety of robotic tasks. However, they risk failing catastrophically when faced with out-of-distribution (OOD) situations. Several approaches have employed a type of synaptic plasticity known as Hebbian learning that can dynamically adjust weights based on local neural activities. Research has shown that synaptic plasticity can make policies more robust and help them adapt to unforeseen changes in the environment. However, networks augmented with Hebbian learning can lead to weight divergence, resulting in network instability. Furthermore, such Hebbian networks have not yet been applied to solve legged locomotion in complex real robots with many degrees of freedom. In this work, we improve the Hebbian network with a weight normalization mechanism for preventing weight divergence, analyze the principal components of the Hebbian's weights, and perform a thorough evaluation of network performance in locomotion control for real 18-DOF dung beetle-like and 16-DOF gecko-like robots. We find that the Hebbian-based plastic network can execute zero-shot sim-to-real adaptation locomotion and generalize to unseen conditions, such as uneven terrain and morphological damage.
• Abstract（参考訳）: ニューラルネットワークは、さまざまなロボットタスクの解決に使用することができる。 しかし、アウト・オブ・ディストリビューション(OOD)の状況に直面すると、壊滅的に失敗する恐れがある。 いくつかのアプローチでは、局所的な神経活動に基づいて重みを動的に調整できるヘビアン学習と呼ばれるシナプス的可塑性を採用している。 シナプスの可塑性は、ポリシーをより堅牢にし、予期せぬ環境の変化に対応するのに役立つことを研究は示している。 しかし、ヘビアン学習で強化されたネットワークは、重みのばらつきを招き、ネットワークの不安定性を引き起こす。 さらに、そのようなヘビアンネットワークは、多くの自由度を持つ複雑な実ロボットにおいて、足の移動を解決するためにまだ適用されていない。 本研究では,ヘビアンネットワークを重量分散防止機構により改良し,ヘビアンウェイトの主成分を解析し,実際の18-DOFカブトムシ型および16-DOFカブトムシ型ロボットの移動制御におけるネットワーク性能を徹底的に評価する。 ヘビアンをベースとしたプラスチックネットワークは,ゼロショット・シム・トゥ・リアル・アダプティブ・ロコモーションを実行し,不均一な地形や形態的損傷などの不明瞭な条件に一般化することができる。

関連論文リスト

• Reducing the Sensitivity of Neural Physics Simulators to Mesh Topology via Pretraining [13.19415425364914]
  メッシュトポロジの変動は,ニューラルネットワークシミュレータの性能を著しく低下させることを示した。 グラフ埋め込みモデルを用いた確立されたオートエンコーダ事前トレーニング技術を用いることで、ニューラルネットワークシミュレータの感度をメッシュトポロジのバリエーションに低下させる。
  論文  参考訳（メタデータ） (2025-01-16T15:21:18Z)
• Single Neuromorphic Memristor closely Emulates Multiple Synaptic Mechanisms for Energy Efficient Neural Networks [71.79257685917058]
  我々はこれらのシナプス機能を本質的にエミュレートするSrTiO3に基づく膜状ナノデバイスを実証する。 これらのメムリスタは、安定かつエネルギー効率の良い運転を可能にする非定常低導電系で機能する。
  論文  参考訳（メタデータ） (2024-02-26T15:01:54Z)
• Wavelets Beat Monkeys at Adversarial Robustness [0.8702432681310401]
  物理的にインスピレーションを受けた構造が、これまで人間の大脳皮質を巧みに模倣してしか考えられていなかったロバスト性に対する新たな洞察をいかに生み出すかを示す。 我々の研究は、物理的にインスピレーションを受けた構造が、これまで人間の大脳皮質を巧みに模倣してしか考えられていなかった堅牢性に対する新たな洞察をいかに生み出すかを示している。
  論文  参考訳（メタデータ） (2023-04-19T03:41:30Z)
• Theory of coupled neuronal-synaptic dynamics [3.626013617212667]
  神経回路では、シナプス強度が神経活動に影響を及ぼす。 神経ユニットとシナプス結合が動的変数と相互作用するリカレント・ネットワークモデルについて検討する。 我々は,ヘビアン可塑性を加えることでカオスネットワークの活動が遅くなり,カオスを引き起こすことを示した。
  論文  参考訳（メタデータ） (2023-02-17T16:42:59Z)
• Dynamics-aware Adversarial Attack of Adaptive Neural Networks [75.50214601278455]
  適応型ニューラルネットワークの動的対向攻撃問題について検討する。 本稿では,LGM(Leaded Gradient Method)を提案する。 我々のLGMは、動的無意識攻撃法と比較して、優れた敵攻撃性能を達成している。
  論文  参考訳（メタデータ） (2022-10-15T01:32:08Z)
• Towards self-organized control: Using neural cellular automata to robustly control a cart-pole agent [62.997667081978825]
  我々は、カートポールエージェントを制御するために、ニューラルセルオートマトンを使用する。 我々は、Q値の推定値として出力セルの状態を用いる深層学習を用いてモデルを訓練した。
  論文  参考訳（メタデータ） (2021-06-29T10:49:42Z)
• Neuromorphic adaptive spiking CPG towards bio-inspired locomotion of legged robots [58.720142291102135]
  スパイクセントラルパターンジェネレーターは、外部刺激によって駆動される異なる移動パターンを生成します。 終端ロボットプラットフォーム(あらゆる脚ロボット)の移動は、任意のセンサーを入力として地形に適応することができる。
  論文  参考訳（メタデータ） (2021-01-24T12:44:38Z)
• Artificial Neural Variability for Deep Learning: On Overfitting, Noise Memorization, and Catastrophic Forgetting [135.0863818867184]
  人工ニューラルネットワーク(ANV)は、ニューラルネットワークが自然のニューラルネットワークからいくつかの利点を学ぶのに役立つ。 ANVは、トレーニングデータと学習モデルの間の相互情報の暗黙の正則化として機能する。 過度にフィットし、ノイズの記憶をラベル付けし、無視できるコストで破滅的な忘れを効果的に軽減することができる。
  論文  参考訳（メタデータ） (2020-11-12T06:06:33Z)
• Learning Quadrupedal Locomotion over Challenging Terrain [68.51539602703662]
  足の移動はロボティクスの操作領域を劇的に拡張することができる。 足の移動のための従来のコントローラーは、運動プリミティブと反射の実行を明示的にトリガーする精巧な状態マシンに基づいている。 ここでは、自然環境に挑戦する際の足の移動に対して、徹底的に頑健な制御器を提案する。
  論文  参考訳（メタデータ） (2020-10-21T19:11:20Z)
• Meta-Learning through Hebbian Plasticity in Random Networks [12.433600693422235]
  生涯学習と適応性は生物学的エージェントの2つの決定的な側面である。 この生物学的メカニズムに着想を得て,シナプス固有のヘビアン学習規則のみを探索する探索法を提案する。 完全にランダムな重みから始めると、発見されたヘビーンの規則により、エージェントは動的2Dピクセル環境をナビゲートできる。
  論文  参考訳（メタデータ） (2020-07-06T14:32:31Z)
• Adaptive Reinforcement Learning through Evolving Self-Modifying Neural Networks [0.0]
  強化学習(RL)の現在の手法は、特定の時間間隔で反射した後にのみ新しい相互作用に適応する。 最近の研究は、バックプロパゲーションを用いて訓練された単純なRLタスクの性能を向上させるために、ニューラルネットワークに神経修飾塑性を付与することでこの問題に対処している。 ここでは,四足歩行におけるメタラーニングの課題について検討する。 その結果、自己修飾プラスチックネットワークを用いて進化したエージェントは、複雑なメタ学習タスクに適応し、グラデーションを使って更新された同じネットワークよりも優れていることが示される。
  論文  参考訳（メタデータ） (2020-05-22T02:24:44Z)

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。