論文の概要: Smart Cellular Bricks for Decentralized Shape Classification and Damage Recovery

• arxiv url: http://arxiv.org/abs/2509.18659v1
• Date: Tue, 23 Sep 2025 05:27:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-24 20:41:27.716014
• Title: Smart Cellular Bricks for Decentralized Shape Classification and Damage Recovery
• Title（参考訳）: 分散形状分類と損傷回復のためのスマートセルラーれんが
• Authors: Rodrigo Moreno, Andres Faina, Shyam Sudhakaran, Kathryn Walker, Sebastian Risi,
• Abstract要約: 本稿では,ローカル通信,処理,センシング機能を備えた物理3Dブリックの新しいシステムを提案する。 様々な3次元形状を正確に分類するために,数百個の細胞レンガを収集できることを実証する。 形状推論に加えて、同じ分散化フレームワークを拡張して、欠落したコンポーネントや損傷したコンポーネントを検出する。
• 参考スコア（独自算出の注目度）: 5.921724402478342
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Biological systems possess remarkable capabilities for self-recognition and morphological regeneration, often relying solely on local interactions. Inspired by these decentralized processes, we present a novel system of physical 3D bricks--simple cubic units equipped with local communication, processing, and sensing--that are capable of inferring their global shape class and detecting structural damage. Leveraging Neural Cellular Automata (NCA), a learned, fully-distributed algorithm, our system enables each module to independently execute the same neural network without access to any global state or positioning information. We demonstrate the ability of collections of hundreds of these cellular bricks to accurately classify a variety of 3D shapes through purely local interactions. The approach shows strong robustness to out-of-distribution shape variations and high tolerance to communication faults and failed modules. In addition to shape inference, the same decentralized framework is extended to detect missing or damaged components, allowing the collective to localize structural disruptions and to guide a recovery process. This work provides a physical realization of large-scale, decentralized self-recognition and damage detection, advancing the potential of robust, adaptive, and bio-inspired modular systems.
• Abstract（参考訳）: 生物学的システムは、しばしば局所的な相互作用にのみ依存して、自己認識と形態的再生に顕著な能力を持っている。 これらの分散化プロセスに着想を得て, 局所通信, 処理, センシング機能を備えた簡易な立方体ユニットを, グローバルな形状のクラスを推定し, 構造的損傷を検出することのできる, 物理3次元レンガの新しいシステムを提案する。 我々のシステムは,学習した完全分散アルゴリズムであるニューラルセルオートマタ(NCA)を活用して,グローバルな状態や位置情報にアクセスせずに,各モジュールが独立して同じニューラルネットワークを実行することを可能にする。 局所的な相互作用によって、数百個の細胞レンガの集合体が、様々な3次元形状を正確に分類できることを実証する。 この手法は分布外形状の変化に対する強い堅牢性を示し、通信障害や失敗モジュールに対する高い耐性を示す。 形状推論に加えて、同じ分散化フレームワークが拡張され、欠落または損傷したコンポーネントを検出し、集団が構造的破壊を局所化し、回復プロセスを導くことができる。 この研究は、大規模で分散化された自己認識と損傷検出を物理的に実現し、堅牢で適応的でバイオインスパイアされたモジュラーシステムの可能性を前進させる。

関連論文リスト

• Concept-Guided Interpretability via Neural Chunking [64.6429903327095]
  ニューラルネットワークは、トレーニングデータの規則性を反映した生の集団活動のパターンを示す。 神経集団レベルで繰り返しチャンクを抽出する3つの方法を提案する。 私たちの研究は、認知原則と自然主義的データの構造の両方を活用する、解釈可能性の新しい方向性を指し示しています。
  論文  参考訳（メタデータ） (2025-05-16T13:49:43Z)
• Spatial embedding promotes a specific form of modularity with low entropy and heterogeneous spectral dynamics [0.0]
  空間的に埋め込まれたリカレントニューラルネットワークは、学習よりもネットワークの構造と機能を組み合わせた組織をどのように形成するかを研究するための有望な道を提供する。 我々は,これらの制約を,速度とスパイクニューラルネットワークの両面にわたって,ニューラルウェイトと固有スペクトルのエントロピー測定によって研究することが可能であることを示す。 この作業は、ニューラルネットワークにおける制約付き学習の理解を深め、コーディングスキームやタスクを越えて、同時に構造的および機能的目的に対するソリューションをタンデムで達成する必要がある。
  論文  参考訳（メタデータ） (2024-09-26T10:00:05Z)
• Affine-Consistent Transformer for Multi-Class Cell Nuclei Detection [76.11864242047074]
  本稿では, 原子核位置を直接生成する新しいアフィン一貫性変換器 (AC-Former) を提案する。 本稿では,AAT (Adaptive Affine Transformer) モジュールを導入し,ローカルネットワークトレーニングのためのオリジナル画像をワープするための重要な空間変換を自動学習する。 実験結果から,提案手法は様々なベンチマークにおいて既存の最先端アルゴリズムを著しく上回ることがわかった。
  論文  参考訳（メタデータ） (2023-10-22T02:27:02Z)
• A Generic Shared Attention Mechanism for Various Backbone Neural Networks [53.36677373145012]
  自己注意モジュール(SAM)は、異なる層にまたがる強い相関した注意マップを生成する。 Dense-and-Implicit Attention (DIA)はSAMをレイヤ間で共有し、長期間のメモリモジュールを使用する。 我々のシンプルで効果的なDIAは、様々なネットワークバックボーンを一貫して拡張できます。
  論文  参考訳（メタデータ） (2022-10-27T13:24:08Z)
• Pattern recognition in the nucleation kinetics of non-equilibrium self-assembly [0.0]
  本研究では,高次元濃度パターンをニューラルネットワーク計算に類似した方法で識別・分類できることを示す。 この成功は、核化のようなユビキタスな物理現象が、高次元の多成分系にスケールアップすると、強力な情報処理能力を持つ可能性があることを示唆している。
  論文  参考訳（メタデータ） (2022-07-13T17:57:34Z)
• The Sensory Neuron as a Transformer: Permutation-Invariant Neural Networks for Reinforcement Learning [11.247894240593691]
  私たちは、各感覚入力を環境から異なるが同一のニューラルネットワークに供給するシステムを構築します。 これらのセンサネットワークは、ローカルに受信した情報を統合するための訓練が可能であり、アテンションメカニズムによるコミュニケーションにより、グローバルな一貫性を持つポリシーをまとめて作成できることが示される。
  論文  参考訳（メタデータ） (2021-09-07T05:12:50Z)
• CS2-Net: Deep Learning Segmentation of Curvilinear Structures in Medical Imaging [90.78899127463445]
  カービリニア構造のセグメンテーションのための汎用的で統一的な畳み込みニューラルネットワークを提案する。 エンコーダとデコーダに自己アテンション機構を含む新しいカービリニア構造分割ネットワーク(CS2-Net)を導入する。
  論文  参考訳（メタデータ） (2020-10-15T03:06:37Z)
• S2RMs: Spatially Structured Recurrent Modules [105.0377129434636]
  モジュール構造とテンポラル構造の両方を同時に活用できる動的構造を利用するための一歩を踏み出します。 我々のモデルは利用可能なビューの数に対して堅牢であり、追加のトレーニングなしで新しいタスクに一般化できる。
  論文  参考訳（メタデータ） (2020-07-13T17:44:30Z)
• Brain-inspired self-organization with cellular neuromorphic computing for multimodal unsupervised learning [0.0]
  本稿では,自己組織マップとヘビアン様学習を用いた再突入理論に基づく脳刺激型ニューラルシステムを提案する。 システムトポロジがユーザによって固定されるのではなく,自己組織化によって学習されるような,いわゆるハードウェアの可塑性の獲得について述べる。
  論文  参考訳（メタデータ） (2020-04-11T21:02:45Z)

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。