論文の概要: Robots that redesign themselves through kinematic self-destruction

• arxiv url: http://arxiv.org/abs/2603.12505v1
• Date: Thu, 12 Mar 2026 22:50:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-21 18:33:56.741126
• Title: Robots that redesign themselves through kinematic self-destruction
• Title（参考訳）: キネマティックな自己破壊で自分自身を再設計するロボット
• Authors: Chen Yu, Sam Kriegman,
• Abstract要約: これまで構築されたすべてのロボットは、デプロイ前に外部プロセスによって事前設計された。 我々は、その生涯に自身のデザインに積極的に参加するロボットを紹介します。
• 参考スコア（独自算出の注目度）: 6.65102274739905
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Every robot built to date was predesigned by an external process, prior to deployment. Here we show a robot that actively participates in its own design during its lifetime. Starting from a randomly assembled body, and using only proprioceptive feedback, the robot dynamically ``sculpts'' itself into a new design through kinematic self-destruction: identifying redundant links within its body that inhibit its locomotion, and then thrashing those links against the surface until they break at the joint and fall off the body. It does so using a single autoregressive sequence model, a universal controller that learns in simulation when and how to simplify a robot's body through self-destruction and then adaptively controls the reduced morphology. The optimized policy successfully transfers to reality and generalizes to previously unseen kinematic trees, generating forward locomotion that is more effective than otherwise equivalent policies that randomly remove links or cannot remove any. This suggests that self-designing robots may be more successful than predesigned robots in some cases, and that kinematic self-destruction, though reductive and irreversible, could provide a general adaptive strategy for a wide range of robots.
• Abstract（参考訳）: これまで構築されたすべてのロボットは、デプロイ前に外部プロセスによって事前設計された。 ここでは、生存中、自身のデザインに積極的に参加するロボットを紹介します。 ロボットはランダムに組み立てられた身体から始まり、プロトリオセプティヴなフィードバックのみを使用して、身体内の冗長なリンクを識別し、関節を壊して体から落ちるまで表面に対してそれらのリンクをスラッシュする。 単一の自己回帰シーケンスモデルを使い、シミュレーションで学習し、自己破壊によってロボットの身体をいかに単純化するかを学習し、縮小した形態を適応的に制御するユニバーサルコントローラである。 最適化されたポリシーは現実への転送に成功し、以前は見つからなかったキネマティックツリーに一般化し、リンクをランダムに削除したり削除できないような他の等価なポリシーよりも効果的に前方移動を生成する。 このことから, 自己設計ロボットは事前設計ロボットよりも成功し, 機械的自己破壊は再現性があり, 可逆性はあるものの, 幅広いロボットに適応的戦略をもたらす可能性が示唆された。

関連論文リスト

• RobotSeg: A Model and Dataset for Segmenting Robots in Image and Video [56.9581053843815]
  画像とビデオにおけるロボットセグメンテーションの基礎モデルであるRobotSegを紹介する。 ロボットへの適応の欠如、手動のプロンプトへの依存、フレーム単位のトレーニングマスクアノテーションの必要性に対処する。 それは、画像とビデオの両方で最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2025-11-28T07:51:02Z)
• Controlling diverse robots by inferring Jacobian fields with deep networks [48.279199537720714]
  自然生物の複雑な構造と多様な機能を反映することは、ロボット工学における長年の課題である。 本稿では,深層ニューラルネットワークを用いてロボットの映像ストリームをバイスモータヤコビアン場にマッピングする手法を提案する。 提案手法は,正確なクローズドループ制御を実現し,各ロボットの因果動的構造を復元する。
  論文  参考訳（メタデータ） (2024-07-11T17:55:49Z)
• Modular Controllers Facilitate the Co-Optimization of Morphology and Control in Soft Robots [0.5076419064097734]
  モジュール型コントローラはロボットのボディプランの変更に対してより堅牢であることを示す。 モジュラーコントローラの同様のボディプランへの移動性の向上は、ソフトロボットのより効果的な脳と身体の協調最適化を可能にする。
  論文  参考訳（メタデータ） (2023-06-12T16:36:46Z)
• Efficient automatic design of robots [43.968830087704035]
  本研究では,ロボットの構造を1台のコンシューマ級コンピュータ上で数秒以内の所望の動作を示すために,初めて非ノボ最適化を示す。 他の勾配に基づくロボット設計法とは異なり、このアルゴリズムは特定の解剖学的形態を前提としていない。 この進歩は、医療、環境、車両、宇宙ベースのタスクのためのユニークで有用な機械の設計、製造、展開をほぼ瞬時に約束する。
  論文  参考訳（メタデータ） (2023-06-05T21:30:52Z)
• GenLoco: Generalized Locomotion Controllers for Quadrupedal Robots [87.32145104894754]
  四足歩行ロボットのための汎用ロコモーション(GenLoco)コントローラを訓練するためのフレームワークを提案する。 本フレームワークは,多種多様な四足歩行ロボットに展開可能な汎用ロコモーションコントローラを合成する。 我々のモデルは、より一般的な制御戦略を取得し、新しいシミュレーションロボットや実世界のロボットに直接移行できることを示す。
  論文  参考訳（メタデータ） (2022-09-12T15:14:32Z)
• Synthesis and Execution of Communicative Robotic Movements with Generative Adversarial Networks [59.098560311521034]
  我々は、繊細な物体を操作する際に人間が採用するのと同じキネマティクス変調を2つの異なるロボットプラットフォームに転送する方法に焦点を当てる。 我々は、ロボットのエンドエフェクターが採用する速度プロファイルを、異なる特徴を持つ物体を輸送する際に人間が何をするかに触発されて調整する。 我々は、人体キネマティクスの例を用いて訓練され、それらを一般化し、新しい有意義な速度プロファイルを生成する、新しいジェネレーティブ・アドバイサル・ネットワークアーキテクチャを利用する。
  論文  参考訳（メタデータ） (2022-03-29T15:03:05Z)
• REvolveR: Continuous Evolutionary Models for Robot-to-robot Policy Transfer [57.045140028275036]
  本研究では,運動学や形態学など,異なるパラメータを持つ2つの異なるロボット間でポリシーを伝達する問題を考察する。 模倣学習手法を含む動作や状態遷移の分布を一致させることで、新しいポリシーを訓練する既存のアプローチは、最適な動作や/または状態分布が異なるロボットでミスマッチしているために失敗する。 本稿では,物理シミュレータに実装されたロボット政策伝達に連続的進化モデルを用いることで,$RevolveR$という新しい手法を提案する。
  論文  参考訳（メタデータ） (2022-02-10T18:50:25Z)
• Know Thyself: Transferable Visuomotor Control Through Robot-Awareness [22.405839096833937]
  新しいロボットをスクラッチからトレーニングするためには、通常大量のロボット固有のデータを生成する必要がある。 簡単なロボット「自己認識」を活用する「ロボット認識」ソリューションパラダイムを提案する。 シミュレーションおよび実際のロボットにおけるテーブルトップ操作に関する実験により、これらのプラグインの改善により、ビジュモータコントローラの転送性が劇的に向上することを示した。
  論文  参考訳（メタデータ） (2021-07-19T17:56:04Z)

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。