論文の概要: Active Sensing Subserves Task-Level Control
- arxiv url: http://arxiv.org/abs/2605.22988v1
- Date: Thu, 21 May 2026 19:34:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-25 17:29:20.078583
- Title: Active Sensing Subserves Task-Level Control
- Title（参考訳）: アクティブセンシングによるタスクレベル制御
- Authors: Andrew Lamperski, Debojyoti Biswas, Eric S. Fortune, John Guckenheimer, Kathleen Hoffman, Noah J. Cowan,
- Abstract要約: 本稿では,適応センサへの依存,移動と知覚のリンク,タスクレベルの制御が組み合わさることで,アクティブな感覚運動の出現を必然的に引き起こすことを提案する。
この仮説は、能動センシングが制御を保ち、生物からの経験的データと数学的理論の両方によって支持される。
- 参考スコア（独自算出の注目度）: 3.1710521525769253
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Active sensing is traditionally defined as the expenditure of energy, typically in the form of movement, for obtaining information. Here, we propose that the combination of reliance on adaptive sensors, the linkage between movement and sensing, and task-level control inevitably gives rise to the emergence of active sensing movements. In this way, active sensing is not driven by sensory goals, such as minimizing uncertainty about the state, but rather is necessary for task-level control. This hypothesis, that active sensing subserves control, is supported by both empirical data from organisms and mathematical theory. Interestingly, active sensing behaviors often occur in discrete epochs, interspersed with goal-oriented behavior. This suggests that animals switch between two behavioral modes with distinct control policies, an `explore' mode in which animals produce dynamic movements to shape sensory feedback, and an `exploit' mode in which animals produce slower compensatory movements that are directly related to achieving task goals. This strategy for feedback control that relies on adaptive sensors, active sensing, and mode switching is not commonly used in engineered systems despite being ubiquitous in biology. Engineered systems comprising state-of-the-art sensors, actuators, and mechanical designs can outperform animals with respect to ``cost functions'' such as maximum force generation, precision, and speed. Nevertheless, animals routinely achieve robust, graceful behaviors that are currently unmatched by engineered systems, suggesting that current control systems are insufficient. These insights, expressed in the language of control theory, may be critical for improving robotic sensing and control.
- Abstract（参考訳）: アクティブセンシングは伝統的に、情報を得るための運動の形で、エネルギーの支出として定義される。
そこで本研究では,適応センサへの依存,移動と知覚のリンク,タスクレベルの制御が組み合わさることで,アクティブな知覚運動の出現を必然的に引き起こすことを提案する。
このように、アクティブセンシングは、状態に対する不確実性を最小化するなど、感覚目標によって駆動されるのではなく、むしろタスクレベルの制御に必要である。
この仮説は、能動センシングが制御を保ち、生物からの経験的データと数学的理論の両方によって支持される。
興味深いことに、アクティブな感知行動は、しばしば個別のエポックで起こり、ゴール指向の行動と交わる。
このことは、動物が異なる制御方針を持つ2つの行動モード、動物が感覚フィードバックを形作る動的な動きを生成できる「露光」モード、および動物がタスク目標を達成することに直接関係する緩やかな補償運動を生成できる「露光」モードとを切り替えていることを示唆している。
適応センサ、アクティブセンシング、モードスイッチングに依存するフィードバック制御のためのこの戦略は、生物学においてユビキタスであるにもかかわらず、工学系では一般的には使われていない。
最先端のセンサー、アクチュエータ、機械設計を含む工学系は、最大力発生、精度、速度などの「コスト関数」に関して動物よりも優れている。
それでも、動物は、現在工学的なシステムに適合していない頑丈で優雅な動作を定期的に達成し、現在の制御システムが不十分であることを示唆している。
これらの洞察は制御理論の言語で表現され、ロボットの知覚と制御を改善するために重要である。
関連論文リスト
- Learn Weightlessness: Imitate Non-Self-Stabilizing Motions on Humanoid Robot [56.377161933570335]
人間は自然に非自己安定化(NSS)運動中に「無重力」状態を利用する。
この生物学的メカニズムに着想を得て,データセットのアノテーションに対する無重力自動ラベル方式を提案する。
我々の研究は、正確な軌道追跡と適応的な環境相互作用のギャップを埋め、接触リッチなヒューマノイド制御のための生物学的にインスパイアされたソリューションを提供する。
論文 参考訳（メタデータ） (2026-04-23T07:10:05Z) - Bio-Inspired Event-Based Visual Servoing for Ground Robots [4.2300250650442095]
地上ロボットのための新しいイベントベースビジュアルサーボフレームワークを提案する。
そこで本研究では,生物にインスパイアされたアクティブ・センシング・リミットサイクル・コントローラを提案する。
論文 参考訳（メタデータ） (2026-03-24T19:20:20Z) - Efficient and robust control with spikes that constrain free energy [0.0]
本稿では, 現実的な生物学的特性を有する新しい, 効率的で頑健なスパイク制御フレームワークを提案する。
結果として生じるネットワークは自由エネルギー制約器として機能し、ニューロンは内部表現の自由エネルギーを減少させると発火する。
論文 参考訳（メタデータ） (2026-03-10T14:33:14Z) - UniForce: A Unified Latent Force Model for Robot Manipulation with Diverse Tactile Sensors [51.88112610411651]
そこで本研究では,多様な触覚センサにまたがる共用潜在力空間を学習する,新しい統合された触覚表現学習フレームワークを提案する。
UniForceは、逆ダイナミクス(image-to-force)とフォワードダイナミクス(force-to-image)を共同モデリングすることで、クロスセンサー領域シフトを低減する
高価な外部力/トルクセンサ(F/T)への依存を避けるため,静的平衡を利用して直接センサ・オブジェクト・センサ・インタラクションを介して力対効果データを収集する。
論文 参考訳（メタデータ） (2026-02-01T11:03:01Z) - Embodiment Enables Non-Predictive Ways of Coping with Self-Caused
Sensory Stimuli [0.0]
リビングシステムは、適応的な振る舞いを促進するために感覚データを処理します。
本研究では, センサモレータを自作した簡易なエンボディードシステムの計算モデルを実装した。
自己因果入力を制御するための行動を制御するソリューションは、自己因果入力を予測・フィルタリングするソリューションよりも、出現する傾向にある。
論文 参考訳（メタデータ） (2022-05-13T04:35:05Z) - Adaptation through prediction: multisensory active inference torque
control [0.0]
本稿では,産業用アームのための多感能動型トルクコントローラを提案する。
私たちのコントローラは、予測的脳仮説にインスパイアされ、現在のアクティブな推論アプローチの能力を向上します。
論文 参考訳（メタデータ） (2021-12-13T16:03:18Z) - Neural optimal feedback control with local learning rules [67.5926699124528]
運動制御の大きな問題は、脳がどのように遅延と雑音の刺激に直面して適切な動きを計画し実行するかを理解することである。
本稿では,適応カルマンフィルタとモデル自由制御手法を組み合わせた新しいオンラインアルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-11-12T20:02:00Z) - Reinforcement Learning for Robust Parameterized Locomotion Control of
Bipedal Robots [121.42930679076574]
シミュレーションにおけるロコモーションポリシをトレーニングするためのモデルフリー強化学習フレームワークを提案する。
ドメインランダム化は、システムダイナミクスのバリエーションにまたがる堅牢な振る舞いを学ぶためのポリシーを奨励するために使用されます。
本研究では、目標歩行速度、歩行高さ、旋回ヨーなどの多目的歩行行動について示す。
論文 参考訳（メタデータ） (2021-03-26T07:14:01Z) - Neuromorphic adaptive spiking CPG towards bio-inspired locomotion of
legged robots [58.720142291102135]
スパイクセントラルパターンジェネレーターは、外部刺激によって駆動される異なる移動パターンを生成します。
終端ロボットプラットフォーム(あらゆる脚ロボット)の移動は、任意のセンサーを入力として地形に適応することができる。
論文 参考訳（メタデータ） (2021-01-24T12:44:38Z) - Learning Compliance Adaptation in Contact-Rich Manipulation [81.40695846555955]
本稿では,コンタクトリッチタスクに必要な力プロファイルの予測モデルを学習するための新しいアプローチを提案する。
このアプローチは、双方向Gated Recurrent Units (Bi-GRU) に基づく異常検出と適応力/インピーダンス制御を組み合わせたものである。
論文 参考訳（メタデータ） (2020-05-01T05:23:34Z) - Using context to adapt to sensor drift [0.0]
匂い感知のスキルのコンテキストとしてドリフトを表す適応システムは、自動的に同じ目標を達成する。
ニューラルネットワークは将来のコンテキストを予測し、コンテキスト+スキルセンシングシステムがセンサードリフトに適応できるようにする。
このように、文脈+スキルシステムは、変化する世界に適応するための動物の嗅覚システムの自然な能力をエミュレートする。
論文 参考訳（メタデータ） (2020-03-16T15:53:11Z)
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。