論文の概要: Go Big or Go Home: Simulating Mobbing Behavior with Braitenbergian Robots

• arxiv url: http://arxiv.org/abs/2604.00350v1
• Date: Wed, 01 Apr 2026 00:56:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-02 16:44:31.776553
• Title: Go Big or Go Home: Simulating Mobbing Behavior with Braitenbergian Robots
• Title（参考訳）: Go Big or Go Home: ブレイテンベルクのロボットによるモブ動作のシミュレーション
• Authors: Elaheh Sanoubari,
• Abstract要約: We used the Webots robotics Simulation platform tosimulated a dyadic avoiding and mobbing predator behavior in a group of Braitenbergian Robots。 本研究は,モブの鳴き声の範囲とロボット群の大きさがモブの全体的な成功に及ぼす影響について検討する。
• 参考スコア（独自算出の注目度）: 0.16921396880325776
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: We used the Webots robotics simulation platform to simulate a dyadic avoiding and mobbing predator behavior in a group of Braitenbergian robots. Mobbing is an antipredator adaptation used by some animals in which the individuals cooperatively attack or harass a predator to protect themselves. One way of coordinating a mobbing attack is using mobbing calls to summon other individuals of the mobbing species. We imitated this mechanism and simulated Braitenbergian robots that use mobbing calls when they face a light source (representing an inanimate predator) and mob it if they can summon allies, otherwise, they escape from it. We explore the effects of range of mobbing call (infinite range, mid-range and low-range) and the size of the robot group (ten robots vs three) on the overall success of mobbing. Our results suggest that both variables have significant impacts. This work has implications for simulations of action selection in artificial life and designing control architectures for autonomous agents.
• Abstract（参考訳）: We used the Webots robotics Simulation platform tosimulated a dyadic avoiding and mobbing predator behavior in a group of Braitenbergian Robots。 モビング(Mobbing)は、動物によっては捕食者を保護するために、個人が共謀的に捕食者を攻撃または嫌がらせする反捕食者適応である。 モビング攻撃を調整する一つの方法は、モビングの鳴き声を使って、モビング種の他の個人を呼び出します。 我々は、このメカニズムを模倣し、光源(無生物捕食者を表す)に直面した時にモブコールを使用するブレイテンベルクのロボットをシミュレートした。 本研究では,モブの鳴き声の範囲(一定範囲,中距離,低域)とロボット群(10ロボット対3ロボット)の大きさがモブの全体的な成功に及ぼす影響について検討した。 以上の結果から,両変数とも大きな影響があることが示唆された。 この研究は、人工生命における行動選択のシミュレーションや、自律エージェントのための制御アーキテクチャの設計に影響を及ぼす。

関連論文リスト

• MolmoB0T: Large-Scale Simulation Enables Zero-Shot Manipulation [56.976138997544005]
  実世界へのゼロショット転送は可能であるが,静的操作と移動操作の両方に有効であることを示す。 MolmoBot-Dataは180万のエキスパートトラジェクトリのデータセットで、オブジェクトの操作やピック・アンド・プレイスタスクのためのものです。 本研究は,手続き型環境生成と多種多様な調音資産が組み合わさって,ロバストな操作ポリシーを創出できることを実証する。
  論文  参考訳（メタデータ） (2026-03-17T17:59:03Z)
• Model Reconciliation through Explainability and Collaborative Recovery in Assistive Robotics [4.666406865641358]
  我々は,ロボットと人間のメンタルモデルの違いを予測し,説明するために,大規模言語モデルを利用する。 本フレームワークは,人間にロボットの修正を許すことで,説明後のモデルのばらつきを解決することを目的としている。
  論文  参考訳（メタデータ） (2026-01-10T12:38:08Z)
• H2R-Grounder: A Paired-Data-Free Paradigm for Translating Human Interaction Videos into Physically Grounded Robot Videos [58.006918399913665]
  本稿では,通常の人間と物体のインタラクションビデオからモーション一貫性のあるロボット操作ビデオに変換するビデオ間翻訳フレームワークを提案する。 私たちのアプローチでは、ロボットビデオのセットのみをトレーニングするために、ペアの人間ロボットビデオは必要とせず、システムを拡張しやすくしています。 テスト時にも同じプロセスを人間のビデオに適用し、人間の行動を模倣する高品質なロボットビデオを生成する。
  論文  参考訳（メタデータ） (2025-12-10T07:59:45Z)
• Physical Simulation for Multi-agent Multi-machine Tending [11.017120167486448]
  強化学習(RL)は,ロボットが環境とのインタラクションを通じて学習できる,有望なソリューションを提供する。 我々は、シンプルなロボットシステムを活用して、製造環境で大きな高価なロボットをデプロイすることなく、RLと“リアル”なデータで作業しました。
  論文  参考訳（メタデータ） (2024-10-11T17:57:44Z)
• GRUtopia: Dream General Robots in a City at Scale [65.08318324604116]
  本稿では,各種ロボットを対象とした対話型3D社会「GRUtopia」について紹介する。 GRScenesには100万のインタラクティブな微妙な注釈付きシーンが含まれており、都市規模の環境に自由に組み合わせることができる。 GRResidentsはLarge Language Model (LLM)によって駆動されるNon-Player Character (NPC)システムである。
  論文  参考訳（メタデータ） (2024-07-15T17:40:46Z)
• Giving Robots a Hand: Learning Generalizable Manipulation with Eye-in-Hand Human Video Demonstrations [66.47064743686953]
  眼内カメラは、視覚に基づくロボット操作において、より優れたサンプル効率と一般化を可能にすることを約束している。 一方、人間がタスクを行うビデオは、ロボット遠隔操作の専門知識を欠いているため、収集コストがずっと安い。 本研究では,広範にラベルのない人間ビデオによるロボット模倣データセットを拡張し,眼球運動ポリシーの一般化を大幅に促進する。
  論文  参考訳（メタデータ） (2023-07-12T07:04:53Z)
• 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)
• URoboSim -- An Episodic Simulation Framework for Prospective Reasoning in Robotic Agents [18.869243389210492]
  URoboSimは、実際にこのタスクを実行する前に、ロボットが精神シミュレーションとしてタスクを実行できるロボットシミュレータです。 URoboSimの精神シミュレーションによる能力を示し、機械学習のためのデータを生成し、実際のロボットの信念状態として利用します。
  論文  参考訳（メタデータ） (2020-12-08T14:23:24Z)
• Target Reaching Behaviour for Unfreezing the Robot in a Semi-Static and Crowded Environment [2.055949720959582]
  本研究では,人間の存在により凍結したロボットの進路をクリアする社会規範に不満を呈する車輪付きヒューマノイドロボットに対して,ロボットの動作を提案する。 1)人間の手や腕を検知するヨロv3アルゴリズムを用いた検出モジュール,2)近似ポリシー最適化アルゴリズムを用いたシミュレーションで訓練されたポリシーを利用するジェスチャーモジュール,の2つのモジュールで構成されている。
  論文  参考訳（メタデータ） (2020-12-02T13:43:59Z)
• Investigation of Warrior Robots Behavior by Using Evolutionary Algorithms [0.09668407688201358]
  この種のアルゴリズムは、ロボットの行動が集団行動に類似する性質にインスパイアされている。 インテリジェンスを持たないロボットに対しては、アルゴリズムを定義し、簡単なシミュレーションで結果を示すことができる。
  論文  参考訳（メタデータ） (2020-11-18T18:31:27Z)

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。