論文の概要: Walk the Robot: Exploring Soft Robotic Morphological Communication driven by Spiking Neural Networks

• arxiv url: http://arxiv.org/abs/2508.19920v1
• Date: Wed, 27 Aug 2025 14:26:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-28 19:07:41.666569
• Title: Walk the Robot: Exploring Soft Robotic Morphological Communication driven by Spiking Neural Networks
• Title（参考訳）: ロボットの歩行:スパイクニューラルネットワークによるソフトロボット形態的コミュニケーションの探索
• Authors: Matthew Meek, Guy Tallent, Thomas Breimer, James Gaskell, Abhay Kashyap, Atharv Tekurkar, Jonathan Fischman, Luodi Wang, Viet-Dung Nguyen, John Rieffel,
• Abstract要約: 近年,非線形動的結合を抑止する制御法が研究されている。 スパイキングニューラルネットワーク(SNN)をロボット制御機構として進化させる進化学習モデルが、非剛性ロボットの制御に有効であることを示す。 我々は,SNNを用いたシミュレーションソフトロボットのEvoGym環境における形態的コミュニケーションの出現について検討した。
• 参考スコア（独自算出の注目度）: 1.758175365127036
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recently, researchers have explored control methods that embrace nonlinear dynamic coupling instead of suppressing it. Such designs leverage dynamical coupling for communication between different parts of the robot. Morphological communication refers to when those dynamics can be used as an emergent data bus to facilitate coordination among independent controller modules within the same robot. Previous research with tensegrity-based robot designs has shown that evolutionary learning models that evolve spiking neural networks (SNN) as robot control mechanisms are effective for controlling non-rigid robots. Our own research explores the emergence of morphological communication in an SNN-based simulated soft robot in theEvoGym environment.
• Abstract（参考訳）: 近年,非線形動的結合を抑止する制御法が研究されている。 このような設計は、ロボットの異なる部分間の通信に動的結合を利用する。 形態的コミュニケーションとは、これらのダイナミクスを創発的なデータバスとして使用して、同一ロボット内の独立したコントローラモジュール間の協調を容易にすることを指す。 スパイキングニューラルネットワーク(SNN)をロボット制御機構として進化させる進化学習モデルが、非剛性ロボットの制御に有効であることを示す。 我々は,SNNを用いたシミュレーションソフトロボットのEvoGym環境における形態的コミュニケーションの出現について検討した。

関連論文リスト

• Embodied Neuromorphic Control Applied on a 7-DOF Robotic Manipulator [10.642836177302533]
  逆ダイナミクスは、ロボットシステムの関節空間からトルク空間にマップする基本的なロボット工学の問題である。 スパイキングニューラルネットワークを用いて、動作データの連続性を利用して制御精度を改善し、チューニングパラメータを除去する。 この研究は、概念実証から複雑な実世界のタスクへの応用への一歩前進によって、具体化されたニューロモルフィック制御を推し進める。
  論文  参考訳（メタデータ） (2025-04-17T07:13:37Z)
• GeMuCo: Generalized Multisensory Correlational Model for Body Schema Learning [18.64205729932939]
  人間は自分の身体の感覚と動きの関係を学習することができる。 現在のロボットは、経験から人間によって記述されたネットワーク構造を学習することで身体を制御する。
  論文  参考訳（メタデータ） (2024-09-10T11:19:13Z)
• LPAC: Learnable Perception-Action-Communication Loops with Applications to Coverage Control [80.86089324742024]
  本稿では,その問題に対する学習可能なパーセプション・アクション・コミュニケーション(LPAC)アーキテクチャを提案する。 CNNは局所認識を処理する。グラフニューラルネットワーク(GNN)はロボットのコミュニケーションを促進する。 評価の結果,LPACモデルは標準分散型および集中型カバレッジ制御アルゴリズムよりも優れていた。
  論文  参考訳（メタデータ） (2024-01-10T00:08:00Z)
• Universal Morphology Control via Contextual Modulation [52.742056836818136]
  異なるロボット形態をまたいだ普遍的なポリシーの学習は、継続的な制御における学習効率と一般化を著しく向上させることができる。 既存の手法では、グラフニューラルネットワークやトランスフォーマーを使用して、異種状態と異なる形態のアクション空間を処理する。 本稿では,この依存関係を文脈変調によりモデル化する階層型アーキテクチャを提案する。
  論文  参考訳（メタデータ） (2023-02-22T00:04:12Z)
• Controlling the Sense of Agency in Dyadic Robot Interaction: An Active Inference Approach [6.421670116083633]
  変形型繰り返しニューラルネットワークモデルを用いて,ロボットのダイアディック模倣相互作用を検討する。 トレーニング中の自由エネルギーを最小化する複雑性項の制御が,ネットワークの動的特性をいかに決定するかを検討した。
  論文  参考訳（メタデータ） (2021-03-03T02:38:09Z)
• An Astrocyte-Modulated Neuromorphic Central Pattern Generator for Hexapod Robot Locomotion on Intel's Loihi [0.0]
  移動は、自然界に豊富な生物学的ネットワークによって「不運に」対処される脚のあるロボットにとって重要な課題であり、中央パターンジェネレータ(CPG)と呼ばれる。 そこで本研究では,ヘキサポッドロボットの歩行パターンを2つ生成する網羅的スパイキング型ニューラル・アストロサイトティックネットワークに基づく脳型CPG制御器を提案する。 我々の研究結果は、自律移動ロボットにおいて、この方法や、Loihiが制御するロコモーションへのアプローチを拡大する道を開いた。
  論文  参考訳（メタデータ） (2020-06-08T17:35:48Z)
• Populations of Spiking Neurons for Reservoir Computing: Closed Loop Control of a Compliant Quadruped [64.64924554743982]
  本稿では,ニューラルネットワークを用いた中央パターン生成機構を実装し,閉ループロボット制御を実現するためのフレームワークを提案する。 本研究では,従順な四足歩行ロボットのシミュレーションモデル上で,予め定義された歩行パターン,速度制御,歩行遷移の学習を実演する。
  論文  参考訳（メタデータ） (2020-04-09T14:32:49Z)

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。