論文の概要: NEAT and HyperNEAT based Design for Soft Actuator Controllers

• arxiv url: http://arxiv.org/abs/2506.04698v1
• Date: Thu, 05 Jun 2025 07:20:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-06 21:53:49.580038
• Title: NEAT and HyperNEAT based Design for Soft Actuator Controllers
• Title（参考訳）: ソフトアクチュエータ制御のためのNEATとHyperNEATに基づく設計
• Authors: Hugo Alcaraz-Herrera, Michail-Antisthenis Tsompanas, Igor Balaz, Andrew Adamatzky,
• Abstract要約: 本稿では神経進化に基づくソフトアクチュエータの制御系の自動設計法を提案する。 具体的には、提案手法は、Neuroevolution of Augmenting Topologies(NEAT)とHypercubeベースのNEATを用いる。 提案手法のロバスト性をテストするため,ソフトアクチュエータの高・低性能形態をテストベッドとして利用した。
• 参考スコア（独自算出の注目度）: 0.44998333629984877
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Since soft robotics are composed of compliant materials, they perform better than conventional rigid robotics in specific fields, such as medical applications. However, the field of soft robotics is fairly new, and the design process of their morphology and their controller strategies has not yet been thoroughly studied. Consequently, here, an automated design method for the controller of soft actuators based on Neuroevolution is proposed. Specifically, the suggested techniques employ Neuroevolution of Augmenting Topologies (NEAT) and Hypercube-based NEAT (HyperNEAT) to generate the synchronization profile of the components of a simulated soft actuator by employing Compositional Pattern Producing Networks (CPPNs). As a baseline methodology, a Standard Genetic Algorithm (SGA) was used. Moreover, to test the robustness of the proposed methodologies, both high- and low-performing morphologies of soft actuators were utilized as testbeds. Moreover, the use of an affluent and a more limited set of activation functions for the Neuroevolution targets was tested throughout the experiments. The results support the hypothesis that Neuroevolution based methodologies are more appropriate for designing controllers that align with both types of morphologies. In specific, NEAT performed better for all different scenarios tested and produced more simplistic networks that are easier to implement in real life applications.
• Abstract（参考訳）: ソフトロボティクスは適合した材料で構成されているため、医療応用など特定の分野において従来の剛性ロボットよりも優れた性能を発揮する。 しかし、ソフトロボティクスの分野はかなり新しいものであり、その形態と制御戦略の設計プロセスはまだ十分に研究されていない。 そこで本研究では,神経進化に基づくソフトアクチュエータの制御系の自動設計法を提案する。 具体的には、合成パターン生成ネットワーク(CPPN)を用いて、シミュレーションされたソフトアクチュエータのコンポーネントの同期プロファイルを生成するために、NEAT(Neuroevolution of Augmenting Topologies)とHypercube-based NEAT(HyperNEAT)を用いる。 基準手法として標準遺伝的アルゴリズム(SGA)が用いられた。 さらに,提案手法のロバスト性をテストするために,ソフトアクチュエータの高・低性能な形状をテストベッドとして利用した。 さらに、実験全体を通して、神経進化の標的に対して、より豊かな、より限定された活性化関数の使用がテストされた。 結果は、ニューロ進化に基づく方法論は、どちらの形態にも適合するコントローラの設計により適しているという仮説を支持する。 具体的には、NEATはテストされたすべてのシナリオに対してより良いパフォーマンスを示し、現実のアプリケーションで実装しやすい、より単純化されたネットワークを生み出した。

関連論文リスト

• Designing morphologies of soft medical devices using cooperative neuro coevolution [0.44998333629984877]
  ソフトロボットは、幾何学的に制約された環境での伝播に関連するアプリケーションにおいて、従来のロボットよりも優れていることが証明されている。 本稿では, ソフトアクチュエータとその制御器の形態を設計するための協調的神経共進化手法を提案する。
  論文  参考訳（メタデータ） (2025-06-04T11:26:55Z)
• Hysteresis-Aware Neural Network Modeling and Whole-Body Reinforcement Learning Control of Soft Robots [14.02771001060961]
  外科的応用を目的としたソフトロボットシステムを提案する。 本稿では,ソフトロボットの全身動作を正確に把握し,予測する全身ニューラルネットワークモデルを提案する。 本手法はファントムを用いた手術実験において高い性能を示した。
  論文  参考訳（メタデータ） (2025-04-18T09:34:56Z)
• Genetic Motifs as a Blueprint for Mismatch-Tolerant Neuromorphic Computing [1.8292454465322363]
  SNNの混合信号実装はエッジコンピューティングアプリケーションに有望なソリューションを提供する。 これらのニューロモルフィックプロセッサのアナログ回路におけるデバイスミスマッチは、堅牢な処理の展開に重大な課題をもたらす。 この問題に対処するために,生物開発に触発された新しいアーキテクチャソリューションを導入する。
  論文  参考訳（メタデータ） (2024-10-25T09:04:50Z)
• Neural Operators for Accelerating Scientific Simulations and Design [85.89660065887956]
  Neural Operatorsとして知られるAIフレームワークは、継続的ドメインで定義された関数間のマッピングを学習するための原則的なフレームワークを提供する。 ニューラルオペレータは、計算流体力学、天気予報、物質モデリングなど、多くのアプリケーションで既存のシミュレータを拡張または置き換えることができる。
  論文  参考訳（メタデータ） (2023-09-27T00:12:07Z)
• CycleIK: Neuro-inspired Inverse Kinematics [12.29529468290859]
  CycleIKは、逆運動学(Inverse Kiinematics, IK)タスクのための2つの新しい神経誘発手法をラップする神経ロボティックアプローチである。 我々は、これらをハイブリッド神経遺伝IKパイプラインに組み込むことによって、さらなる最適化を実現する方法を示す。
  論文  参考訳（メタデータ） (2023-07-21T13:03:27Z)
• NeuroBench: A Framework for Benchmarking Neuromorphic Computing Algorithms and Systems [50.076028127394366]
  ニューロベンチ(NeuroBench)はニューロモルフィックコンピューティングアルゴリズムとシステムのためのベンチマークフレームワークである。 NeuroBenchは、業界や学界にまたがる研究者のオープンなコミュニティによる共同開発である。
  論文  参考訳（メタデータ） (2023-04-10T15:12:09Z)
• Bayesian optimization with known experimental and design constraints for chemistry applications [0.0]
  実験計画アルゴリズムであるPhoenicsとGryffinを拡張して、任意の制約を扱えるようにします。 2つのシミュレーション化学研究シナリオでその実用性を解説する。
  論文  参考訳（メタデータ） (2022-03-29T22:16:54Z)

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。