論文の概要: SCOPE for Hexapod Gait Generation
- arxiv url: http://arxiv.org/abs/2507.13539v1
- Date: Thu, 17 Jul 2025 21:15:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-21 20:43:26.133161
- Title: SCOPE for Hexapod Gait Generation
- Title（参考訳）: ヘキサポッド歩行生成のためのSCOPE
- Authors: Jim O'Connor, Jay B. Nash, Derin Gezgin, Gary B. Parker,
- Abstract要約: 進化的手法は、これまでヘキサポッドロボットの歩行に効果的な学習方法であることが示されている。
Sparse Cosine Optimized Policy Evolution (SCOPE)を導入し,入力行列の特徴係数から直接学習する。
SCOPEは、進化したコントローラに入力のサイズを著しく圧縮することができ、統計的に有意な効果をもたらす。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Evolutionary methods have previously been shown to be an effective learning method for walking gaits on hexapod robots. However, the ability of these algorithms to evolve an effective policy rapidly degrades as the input space becomes more complex. This degradation is due to the exponential growth of the solution space, resulting from an increasing parameter count to handle a more complex input. In order to address this challenge, we introduce Sparse Cosine Optimized Policy Evolution (SCOPE). SCOPE utilizes the Discrete Cosine Transform (DCT) to learn directly from the feature coefficients of an input matrix. By truncating the coefficient matrix returned by the DCT, we can reduce the dimensionality of an input while retaining the highest energy features of the original input. We demonstrate the effectiveness of this method by using SCOPE to learn the gait of a hexapod robot. The hexapod controller is given a matrix input containing time-series information of previous poses, which are then transformed to gait parameters by an evolved policy. In this task, the addition of SCOPE to a reference algorithm achieves a 20% increase in efficacy. SCOPE achieves this result by reducing the total input size of the time-series pose data from 2700 to 54, a 98% decrease. Additionally, SCOPE is capable of compressing an input to any output shape, provided that each output dimension is no greater than the corresponding input dimension. This paper demonstrates that SCOPE is capable of significantly compressing the size of an input to an evolved controller, resulting in a statistically significant gain in efficacy.
- Abstract（参考訳）: 進化的手法は、これまでヘキサポッドロボットの歩行に効果的な学習方法であることが示されている。
しかし、これらのアルゴリズムが効果的なポリシーを進化させる能力は、入力空間がより複雑になるにつれて急速に低下する。
この分解は解空間の指数関数的な成長によるもので、より複雑な入力を扱うためにパラメータ数が増加するためである。
この課題に対処するために,スパースコサイン最適化政策進化(SCOPE)を紹介する。
SCOPEは離散コサイン変換(DCT)を用いて入力行列の特徴係数から直接学習する。
DCTによって返される係数行列を切断することにより、元の入力の最高エネルギー特性を維持しながら入力の次元性を減少させることができる。
SCOPEを用いてヘキサポッドロボットの歩行を学習し,本手法の有効性を示す。
ヘキサポッドコントローラには、前のポーズの時系列情報を含む行列入力が与えられ、その後、進化したポリシーによって歩行パラメータに変換される。
本課題では, SCOPEの参照アルゴリズムへの付加により, 有効性が20%向上する。
SCOPEは、時系列ポーズデータの総入力サイズを2700から54に減らし、98%減少させることで、この結果を達成する。
さらに、SCOPEは、各出力次元が対応する入力次元より大きくないことを条件として、任意の出力形状に入力を圧縮することができる。
本稿では、SCOPEは、進化したコントローラへの入力のサイズを著しく圧縮することができ、統計的に有意な効果が得られたことを示す。
関連論文リスト
- Orthogonal Finetuning Made Scalable [87.49040247077389]
OFT(Orthogonal Finetuning)は、壊滅的な忘れ込みを防止しつつ、パラメータ効率の高い適応を提供するが、実行時とメモリの要求が高いため、実際のデプロイメントが制限される。
ここでは,OFTの計算ボトルネックを重み中心の実装とみなす。
本稿では,行列ベクトル乗法(行列フリー計算)を用いて,計算コストを2次に削減する入力中心の変換法OFTv2を提案する。
これらの修正により、OFTv2はパフォーマンスを損なうことなく、最大10倍高速なトレーニングと3倍のGPUメモリ使用率を達成することができる。
論文 参考訳（メタデータ） (2025-06-24T17:59:49Z) - Optimal Brain Apoptosis [4.780105454349552]
本稿では,Hessian行列を用いたパラメータ重要度推定手法を進歩させることにより,最適脳損傷(OBD)の基礎研究を基礎とする。
パラメータ毎にHessian-vector積を直接計算する新しいプルーニング手法であるOptimal Brain Apoptosis (OBA)を導入する。
このアプローチは、特にCNNやTransformerのコンテキストにおいて、より正確なプルーニングプロセスを可能にする。
論文 参考訳（メタデータ） (2025-02-25T08:03:04Z) - ADC/DAC-Free Analog Acceleration of Deep Neural Networks with Frequency
Transformation [2.7488316163114823]
本稿では,アナログ領域の周波数ベーステンソル変換を用いた周波数領域ニューラルネットワークのエネルギー効率向上手法を提案する。
提案手法は,変換行列のトレーニング可能なパラメータを不要にすることで,よりコンパクトなセルを実現する。
16$times$16のクロスバーで8ビット入力処理を行い,Watt当たりの1602テラ演算のエネルギー効率を実現する。
論文 参考訳（メタデータ） (2023-09-04T19:19:39Z) - Improved Privacy-Preserving PCA Using Optimized Homomorphic Matrix
Multiplication [0.0]
主成分分析(英: principal Component Analysis、PCA)は、機械学習とデータ分析の領域で広く利用されている重要な技術である。
近年,セキュアなクラウドコンピューティングシナリオにおいて,プライバシ保護型PCAアルゴリズムの同型暗号化を活用する取り組みが進められている。
本稿では,これらの制約に対処するプライバシー保護PCAに対して,従来の手法に比べて効率,精度,拡張性に優れる新たなアプローチを提案する。
論文 参考訳（メタデータ） (2023-05-27T02:51:20Z) - UNETR++: Delving into Efficient and Accurate 3D Medical Image Segmentation [93.88170217725805]
本稿では,高画質なセグメンテーションマスクと,パラメータ,計算コスト,推論速度の両面での効率性を提供するUNETR++という3次元医用画像セグメンテーション手法を提案する。
我々の設計の核となるのは、空間的およびチャネル的な識別的特徴を効率的に学習する、新しい効率的な対注意ブロック(EPA)の導入である。
Synapse, BTCV, ACDC, BRaTs, Decathlon-Lungの5つのベンチマークで評価した結果, 効率と精度の両面で, コントリビューションの有効性が示された。
論文 参考訳（メタデータ） (2022-12-08T18:59:57Z) - DBA: Efficient Transformer with Dynamic Bilinear Low-Rank Attention [53.02648818164273]
動的双線形低ランク注意(DBA)という,効率的かつ効果的な注意機構を提案する。
DBAは入力感度の動的射影行列によってシーケンス長を圧縮し、線形時間と空間の複雑さを実現する。
様々なシーケンス長条件のタスクに対する実験は、DBAが最先端のパフォーマンスを達成することを示す。
論文 参考訳（メタデータ） (2022-11-24T03:06:36Z) - Dimensionality reduction with variational encoders based on subsystem
purification [0.27998963147546135]
本研究では,高次元ヒルベルト空間で表される状態の次元性を低減するために,変分オートエンコーダの代替手法を提案する。
我々は、8x8グリッドにBarsとStripesデータセット(BAS)を使用し、効率的な符号化状態を作成し、95%の分類精度を報告します。
論文 参考訳（メタデータ） (2022-09-20T15:24:11Z) - CloudAttention: Efficient Multi-Scale Attention Scheme For 3D Point
Cloud Learning [81.85951026033787]
この作業にトランスフォーマーをセットし、それらを形状分類と部分およびシーンセグメンテーションのための階層的なフレームワークに組み込む。
また、各イテレーションにおけるサンプリングとグループ化を活用して、効率的でダイナミックなグローバルなクロスアテンションを計算します。
提案した階層モデルは,最先端の形状分類を平均精度で達成し,従来のセグメンテーション法と同等の結果を得る。
論文 参考訳（メタデータ） (2022-07-31T21:39:15Z) - An adaptive dimension reduction algorithm for latent variables of
variational autoencoder [0.0]
我々は,潜在変数ベクトルの次元を自動的に学習できる適応次元削減アルゴリズムを開発した。
このアルゴリズムの普遍性と効率性を示す6つのデータセットに対して実験結果を示す。
論文 参考訳（メタデータ） (2021-11-15T16:07:37Z) - Center Smoothing for Certifiably Robust Vector-Valued Functions [59.46976586742266]
入力の小さな変化による出力の変化に結びついたベクトル値関数に対する検証可能なロバスト性を示す。
提案手法は,入力次元と出力次元の広いベクトル値関数を含む複数の学習課題における有効性を示す。
論文 参考訳（メタデータ） (2021-02-19T01:34:48Z) - Inception Convolution with Efficient Dilation Search [121.41030859447487]
拡散畳み込みは、効果的な受容場を制御し、オブジェクトの大規模な分散を処理するための標準的な畳み込みニューラルネットワークの重要な変異体である。
そこで我々は,異なる軸,チャネル,層間の独立な拡散を有する拡張畳み込みの新たな変異体,すなわち開始(拡張)畳み込みを提案する。
本稿では,データに複雑なインセプション・コンボリューションを適合させる実用的な手法を探索し,統計的最適化に基づく簡易かつ効果的な拡張探索アルゴリズム(EDO)を開発した。
論文 参考訳（メタデータ） (2020-12-25T14:58:35Z)
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。