論文の概要: Toward Task Capable Active Matter: Learning to Avoid Clogging in Confined Collectives via Collisions

• arxiv url: http://arxiv.org/abs/2505.15033v1
• Date: Wed, 21 May 2025 02:42:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-22 15:42:58.821213
• Title: Toward Task Capable Active Matter: Learning to Avoid Clogging in Confined Collectives via Collisions
• Title（参考訳）: Task Capable Active Matterに向けて: 衝突による集合体のクロージャの回避を学ぶ
• Authors: Kehinde O. Aina, Ram Avinery, Hui-Shun Kuan, Meredith D. Betterton, Michael A. D. Goodisman, Daniel I. Goldman,
• Abstract要約: タスク対応の高密度アクティブマターにおいて、単純な学習ルールが避けられない機能をどのように活用できるかを示す。 本研究は,タスクの複雑さのように見えるが,単純な学習規則は,タスク対応高密度能動物質における避けられない特徴を活用することができることを示す。
• 参考スコア（独自算出の注目度）: 0.49478969093606673
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Social organisms which construct nests consisting of tunnels and chambers necessarily navigate confined and crowded conditions. Unlike low-density collectives like bird flocks and insect swarms, in which hydrodynamic and statistical phenomena dominate, the physics of glasses and supercooled fluids is important to understand clogging behaviors in high-density collectives. Our previous work revealed that fire ants flowing in confined tunnels utilize diverse behaviors like unequal workload distributions, spontaneous direction reversals, and limited interaction times to mitigate clogging and jamming and thus maintain functional flow; implementation of similar rules in a small robophysical swarm led to high performance through spontaneous dissolution of clogs and clusters. However, how the insects learn such behaviors, and how we can develop "task capable" active matter in such regimes, remains a challenge in part because interaction dynamics are dominated by local, time-consuming collisions and no single agent can guide the entire collective. Here, we hypothesized that effective flow and clog mitigation could emerge purely through local learning. We tasked small groups of robots with pellet excavation in a narrow tunnel, allowing them to modify reversal probabilities over time. Initially, robots had equal probabilities and clogs were common. Reversals improved flow. When reversal probabilities adapted via collisions and noisy tunnel length estimates, workload inequality and performance improved. Our robophysical study of an excavating swarm shows that, despite the seeming complexity and difficulty of the task, simple learning rules can mitigate or leverage unavoidable features in task-capable dense active matter, leading to hypotheses for dense biological and robotic swarms.
• Abstract（参考訳）: トンネルと地下室からなる巣を作る社会生物は、密集した密集した密集した状況で移動する必要がある。 流体力学と統計現象が支配的な鳥類群や昆虫群のような低密度集団とは異なり、ガラスと超冷却流体の物理学は、高密度集団における詰まりの振る舞いを理解するために重要である。 従来の研究では, トンネル内を流れる火のアリは, 不平等な作業負荷分布, 自然方向逆転, 限定的な相互作用時間などの多様な挙動を利用して, 詰まりを緩和し, ジャミングし, 機能的な流れを維持できることが判明した。 しかし、どのようにして昆虫がそのような行動を学ぶのか、また、そのような体制下で「タスク能力」のある物質をどう発達させるかは、相互作用のダイナミクスが局所的、時間のかかる衝突に支配され、単一のエージェントが集団全体を導くことができないため、部分的には課題である。 そこで我々は,局所的な学習を通じて,効果的なフローとクローグ緩和が純粋に現れると仮定した。 狭いトンネルでペレット掘削を行うロボットの小さなグループを課題とし、時間とともに逆転確率を変化させることができた。 当初、ロボットは同等の確率を持ち、クローグは一般的だった。 逆転は流れを改善した。 衝突や騒音を伴うトンネル長の推定により逆転確率が適応すると, 作業負荷の不等式と性能が向上した。 我々の生物物理学的な研究は、タスクの複雑さと難易度にもかかわらず、単純な学習規則はタスク対応の高密度な活動物質における避けられない特徴を緩和または活用し、密度の高い生物学的・ロボット的な群れの仮説を導いてくれることを示しています。

関連論文リスト

• Coordinating Spinal and Limb Dynamics for Enhanced Sprawling Robot Mobility [0.047116288835793156]
  柔軟性のある脊椎は、脊椎に沿って波状の動きを通して身体を揺らぎ、不均一な地形や障害物を航行するのを助ける。 表面の不規則や摩擦の変動といった環境の不確実性は、体-肢の協調を著しく阻害する。 深い強化学習は、非決定論的環境を扱うための有望なフレームワークを提供する。 本研究では,サンショウウオのようなロボットを用いた学習型制御戦略と生物学的にインスパイアされた歩行設計手法について比較検討した。
  論文  参考訳（メタデータ） (2025-04-18T23:08:48Z)
• Humanoid Whole-Body Locomotion on Narrow Terrain via Dynamic Balance and Reinforcement Learning [54.26816599309778]
  動的バランスと強化学習(RL)に基づく新しい全身移動アルゴリズムを提案する。 具体的には,ZMP(Zero-Moment Point)駆動の報酬とタスク駆動の報酬を,全身のアクター批判的枠組みで拡張した尺度を活用することで,動的バランス機構を導入する。 フルサイズのUnitree H1-2ロボットによる実験により、非常に狭い地形でのバランスを維持するための手法の有効性が検証された。
  論文  参考訳（メタデータ） (2025-02-24T14:53:45Z)
• Navigating the swarm: Deep neural networks command emergent behaviours [2.7059353835118602]
  エージェント間相互作用ルールを微調整することにより,グローバルなパターンを意図した集合行動の協調構造を生成することができることを示す。 私たちの戦略では、望ましい構造を指示する相互作用ルールを見つけるために、ダイナミックスの法則に従うディープニューラルネットワークを採用しています。 本研究は, ロボット群操作, アクティブ物質組織, 生体システムにおける不明瞭な相互作用規則の解明における新たな応用の道を開くものである。
  論文  参考訳（メタデータ） (2024-07-16T02:46:11Z)
• Sim-to-Real Causal Transfer: A Metric Learning Approach to Causally-Aware Interaction Representations [62.48505112245388]
  エージェント相互作用の現代的表現の因果認識を詳細に検討する。 近年の表現は、非因果剤の摂動に対して部分的に耐性があることが示されている。 因果アノテーションを用いた潜在表現を正規化するための計量学習手法を提案する。
  論文  参考訳（メタデータ） (2023-12-07T18:57:03Z)
• Latent Exploration for Reinforcement Learning [87.42776741119653]
  強化学習では、エージェントは環境を探索し、相互作用することでポリシーを学ぶ。 LATent TIme-Correlated Exploration (Lattice)を提案する。
  論文  参考訳（メタデータ） (2023-05-31T17:40:43Z)
• Exploiting disorder to probe spin and energy hydrodynamics [6.655372107268362]
  本稿では,局所相関関数を単一部位分解能まで測定できる新しい手法を提案する。 核スピン鎖のスピン輸送とエネルギー輸送を計測する。 興味深いことに、系が相互作用し、(ほぼ)可積分であるとき、拡散スピン輸送と弾道エネルギー輸送の共存が観察される。
  論文  参考訳（メタデータ） (2022-09-19T19:38:05Z)
• Distributing entanglement with separable states: assessment of encoding and decoding imperfections [55.41644538483948]
  絡み合いは、常に関連する他のシステムと分離可能なキャリアを使って分散することができる。 不完全なユニタリ相互作用と協調して作用する不整合力学の影響を考察する。 絡み合いの利得は、相当な単元誤差があっても可能であることを示す。
  論文  参考訳（メタデータ） (2020-02-11T15:25:19Z)

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。