論文の概要: Identifying Inductive Biases for Robot Co-Design

• arxiv url: http://arxiv.org/abs/2604.11768v1
• Date: Mon, 13 Apr 2026 17:39:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-14 20:13:16.726134
• Title: Identifying Inductive Biases for Robot Co-Design
• Title（参考訳）: ロボット共同設計のための誘導バイアスの同定
• Authors: Apoorv Vaish, Oliver Brock,
• Abstract要約: ロボットのモルフォロジーと制御を共同設計することで、生物でよく見られる、ロボット間の相乗的相互作用を確実にすることができる。 本稿では,ソフトなロコモーションと操作作業のための共同設計ランドスケープを解析する。 共同設計空間の領域間で一貫した3つのパターンを同定する。 これらの洞察を活用して、効率的な共同設計アルゴリズムを考案する。
• 参考スコア（独自算出の注目度）: 8.80899367147235
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Co-designing a robot's morphology and control can ensure synergistic interactions between them, prevalent in biological organisms. However, co-design is a high-dimensional search problem. To make this search tractable, we need a systematic method for identifying inductive biases tailored to its structure. In this paper, we analyze co-design landscapes for soft locomotion and manipulation tasks and identify three patterns that are consistent across regions of their co-design spaces. We observe that within regions of co-design space, quality varies along a low-dimensional manifold. Higher-quality regions exhibit variations spread across more dimensions, while tightly coupling morphology and control. We leverage these insights to devise an efficient co-design algorithm. Since the precise instantiation of this structure varies across tasks and is not known a priori, our algorithm infers it from information gathered during search and adapts to each task's specific structure. This yields $36\%$ more improvement than benchmark algorithms. Moreover, our algorithm achieved more than two orders of magnitude in sample efficiency compared to these benchmark algorithms, demonstrating the effectiveness of leveraging inductive biases to co-design.
• Abstract（参考訳）: ロボットのモルフォロジーと制御を共同設計することで、生物でよく見られる、ロボット間の相乗的相互作用を確実にすることができる。 しかし、共設計は高次元探索問題である。 この探索を容易化するためには,その構造に合わせた帰納的バイアスを同定する体系的手法が必要である。 本稿では,ソフトなロコモーションと操作作業のための共同設計ランドスケープを分析し,共同設計空間の領域間で一貫性のある3つのパターンを同定する。 我々は、共設計空間の領域において、品質が低次元多様体に沿って変化することを観察する。 高品質な領域は、多くの次元にまたがる変化を示し、一方で、構造と制御を密に結合する。 これらの洞察を活用して、効率的な共同設計アルゴリズムを考案する。 この構造の正確なインスタンス化はタスクによって異なり、優先順位が分かっていないため、探索中に収集された情報から推定し、各タスクの特定の構造に適応する。 これにより、ベンチマークアルゴリズムよりも36\%$の改善が得られます。 さらに,本アルゴリズムは,これらのベンチマークアルゴリズムと比較して2桁以上の精度を達成し,共設計における帰納バイアスの活用の有効性を実証した。

関連論文リスト

• Exploration of Pareto-preserving Search Space Transformations in Multi-objective Test Functions [0.0]
  探索空間における変換の重要性を再強調し、境界制約問題に変換を加える際に生じる課題に対処する。 これらの変化が多目的最適化アルゴリズムの性能にどのように影響するかを示す。
  論文  参考訳（メタデータ） (2026-04-09T12:30:40Z)
• DyACE: Dynamic Algorithm Co-evolution for Online Automated Heuristic Design with Large Language Model [12.490525543266807]
  非定常バイレベル制御問題としてDyACE(Dynamic Co-evolution)を導入する。 DyACEの中核となる要素はLook-Ahead Rollout Searchである。 結果は、DyACEが最先端の静的ベースラインを大幅に上回っていることを示している。
  論文  参考訳（メタデータ） (2026-03-07T06:46:53Z)
• GenAI for Systems: Recurring Challenges and Design Principles from Software to Silicon [62.2138479061386]
  ジェネレーティブAIは、コンピュータシステムの設計、最適化、構築方法を変えようとしているが、ソフトウェア、アーキテクチャ、チップデザインコミュニティの間で研究は断片化されている。 本稿では、ハードウェア設計空間探索からRTL合成、物理レイアウト、検証に至るまで、コード生成と分散ランタイムから生成モデルがどのように適用されているかを検討する。
  論文  参考訳（メタデータ） (2026-02-16T22:45:33Z)
• From Performance to Understanding: A Vision for Explainable Automated Algorithm Design [2.780126715305372]
  この記事では、次のブレークスルーは、さらなる自動化ではなく、理解と自動化の結合によるものだ、と論じる。 3つの柱上に構築された説明可能な自動アルゴリズム設計のビジョンを概説する。 これらの要素は、発見、説明、一般化が互いに強化される閉知識ループを形成する。
  論文  参考訳（メタデータ） (2025-11-20T10:08:40Z)
• Understanding fitness landscapes in morpho-evolution via local optima networks [0.1843404256219181]
  モルフォ進化(Morpho-evolution、ME)とは、ロボットの設計とコントローラを同時に最適化し、タスクと環境が与えられた性能を最大化することを指す。 従来の研究では、目的関数に対する性能と評価される設計の多様性に関して、エンコーディングの実証的な比較を行っているが、この結果を説明する試みは行われていない。 移動作業のためのロボットを進化させる際の3つの異なるエンコーディングによって引き起こされるフィットネスランドスケープの構造について検討し、異なるフィットネスランドスケープを探索プロセスで横断できる容易性に新たな光を当てる。
  論文  参考訳（メタデータ） (2024-02-12T17:26:35Z)
• Multi-task Learning with 3D-Aware Regularization [55.97507478913053]
  本稿では,画像エンコーダから抽出した特徴を共有3D特徴空間に投影することで,複数のタスクをインタフェースする構造化3D認識正規化器を提案する。 提案手法はアーキテクチャ非依存であり,従来のマルチタスクバックボーンにプラグインすることで,性能を向上できることを示す。
  論文  参考訳（メタデータ） (2023-10-02T08:49:56Z)
• Searching a High-Performance Feature Extractor for Text Recognition Network [92.12492627169108]
  優れた特徴抽出器を持つための原理を探求し,ドメイン固有の検索空間を設計する。 空間は巨大で複雑な構造であるため、既存のNASアルゴリズムを適用することはできない。 本研究では,空間内を効率的に探索する2段階のアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-09-27T03:49:04Z)
• Redefining Neural Architecture Search of Heterogeneous Multi-Network Models by Characterizing Variation Operators and Model Components [71.03032589756434]
  複素領域における異なる変動演算子の効果について検討する。 モデルの複雑さと性能に影響を及ぼす変化演算子と、それを構成する異なる部分の質を推定する様々な指標に依存するモデルの両方を特徴付ける。
  論文  参考訳（メタデータ） (2021-06-16T17:12:26Z)
• Selection-Expansion: A Unifying Framework for Motion-Planning and Diversity Search Algorithms [69.87173070473717]
  本稿では,2つの多様性探索アルゴリズム,ノベルティ探索アルゴリズムとゴール探索処理アルゴリズムの特性について検討する。 mpアルゴリズムとの関係は、ポリシーパラメータ空間と結果空間の間のマッピングの滑らかさ、あるいは滑らかさの欠如が検索効率において重要な役割を担っていることを示している。
  論文  参考訳（メタデータ） (2021-04-10T13:52:27Z)
• AutoSpace: Neural Architecture Search with Less Human Interference [84.42680793945007]
  現在のニューラルネットワークアーキテクチャ検索(NAS)アルゴリズムは、ネットワーク構築のための検索空間を設計するための専門知識と努力を必要とします。 探索空間を最適なものに進化させる新しい微分可能な進化フレームワークであるAutoSpaceを提案する。 学習した検索空間では、最近のNASアルゴリズムの性能は、以前手作業で設計した空間に比べて大幅に改善できる。
  論文  参考訳（メタデータ） (2021-03-22T13:28:56Z)

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。