論文の概要: Generation of Diverse and Functional Robot Designs using Superquadrics Parametrisation and Quality-Diversity
- arxiv url: http://arxiv.org/abs/2606.11037v1
- Date: Tue, 09 Jun 2026 16:08:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-11 16:42:38.063142
- Title: Generation of Diverse and Functional Robot Designs using Superquadrics Parametrisation and Quality-Diversity
- Title（参考訳）: スーパークワッドリック・パラメトリゼーションと品質多様性を用いた多機能ロボットの設計法
- Authors: Leni Le Goff, Simon Smith, Emma Hart,
- Abstract要約: ロボットの生成設計には、物理的な構成や行動パラメータを含む広大な探索空間をナビゲートする必要がある。
初期収束に対抗するため,ロボット体にスーパークワッドリックに基づく表現(SQ)を導入する。
MAP-Elitesアルゴリズムと組み合わせてSQを用いてモルフォロジーを生成する手法が,両環境にまたがる最高のQDスコアに達することが判明した。
- 参考スコア（独自算出の注目度）: 0.669087470775851
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Generative design of robots requires navigating a vast search-space, encompassing physical configurations and behavioural parameters. Evolutionary Algorithms (EAs) have shown promising results, but often converge prematurely to a small set of sub-optimal designs. Most EAs fail to maintain sufficient diversity in the population that would allow the discovery of distinct functional robots. To counter premature convergence, we introduce a superquadrics-based representation (SQs) for robot bodies. SQs are interpretable, compact and computationally efficient mathematical representations of 3D geometrical shapes that can be tuned to specific design-spaces. To encourage morphological diversity, we combine this representation with a quality-diversity (QD) algorithm (MAP-Elites). We compare SQs and Compositional Pattern Producing Networks representations as generators of morphologies, combining them with standard EAs and MAP-Elites. In two test environments, we find that using SQs to generate morphology in conjunction with the MAP-Elites algorithm reaches the highest QD-score across both environments, maximising diversity of design and functionality of generated robots. The findings highlight the benefits of using a compact and interpretable geometric representation for exploring a complex design-space and suggest that combining SQs with an explicit diversity mechanism increases the quality and number of designs generated.
- Abstract（参考訳）: ロボットの生成設計には、物理的な構成や行動パラメータを含む広大な探索空間をナビゲートする必要がある。
進化的アルゴリズム (EA) は有望な結果を示しているが、しばしば短期的に少数の準最適設計に収束する。
ほとんどのEAは、異なる機能ロボットの発見を可能にする十分な多様性の維持に失敗した。
初期収束に対抗するため,ロボット体にスーパークワッドリックに基づく表現(SQ)を導入する。
SQは、特定の設計空間に調整可能な3次元幾何学形状の解釈可能で、コンパクトで、計算的に効率的な数学的表現である。
形態的多様性を促進するために,この表現を品質多様性(QD)アルゴリズム(MAP-Elites)と組み合わせる。
我々は,SQと合成パターン生成ネットワーク表現を形態素の生成元として比較し,標準的なEAとMAP-Elitesを組み合わせた。
2つのテスト環境では、MAP-Elitesアルゴリズムと組み合わせてSQを用いて形態を生成し、両方の環境で最高のQDスコアを達成し、生成したロボットの設計と機能の多様性を最大化する。
この結果は、複雑な設計空間を探索するためにコンパクトで解釈可能な幾何学的表現を使用することの利点を強調し、SQと明示的な多様性機構を組み合わせることで、生成された設計の品質と数を増やすことを示唆している。
関連論文リスト
- A Unified Low-Dimensional Design Embedding for Joint Optimization of Shape, Material, and Actuation in Soft Robots [4.829343342713712]
形状変形,多材料分布,アクチュエータを統一したソフトロボットのためのスムーズで低次元な設計埋め込みを提案する。
実験では、ニューラルネットワークの符号化と異なり、基礎関数の数に応じて設計が増加することを示す。
さらに, 一体型埋め込みによる形状, 材料, アクティベーションの協調最適化は, 逐次戦略を一貫して上回ることを示す。
論文 参考訳（メタデータ） (2026-03-06T17:33:32Z) - Assemble Your Crew: Automatic Multi-agent Communication Topology Design via Autoregressive Graph Generation [91.17994756436259]
大規模言語モデル(LLM)に基づくマルチエージェントシステム(MAS)は、多様な領域にわたる複雑な問題を扱うための強力なソリューションとして登場した。
既存のアプローチは、事前に定義されたエージェントセットとハードコードされた相互作用構造を持つテンプレートグラフ修正パラダイムに依存しているため、基本的に制限されている。
協調グラフをスクラッチから構築することで、このパラダイムを運用する新しい自己回帰モデルであるARG-Designerを提案する。
論文 参考訳（メタデータ） (2025-07-24T09:17:41Z) - Compositional Generative Inverse Design [69.22782875567547]
入力変数を設計して目的関数を最適化する逆設計は重要な問題である。
拡散モデルにより得られた学習エネルギー関数を最適化することにより、そのような逆例を避けることができることを示す。
N-body 相互作用タスクと2次元多面体設計タスクにおいて,実験時に学習した拡散モデルを構成することにより,初期状態と境界形状を設計できることを示す。
論文 参考訳（メタデータ） (2024-01-24T01:33:39Z) - DiffuseBot: Breeding Soft Robots With Physics-Augmented Generative
Diffusion Models [102.13968267347553]
本稿では,様々なタスクにおいて優れたソフトロボット形態を生成する物理拡張拡散モデルであるDiffuseBotを提案する。
我々は、その能力とともに、シミュレーションされた、そして製造された様々なロボットを紹介します。
論文 参考訳（メタデータ） (2023-11-28T18:58:48Z) - Neural approximation of Wasserstein distance via a universal
architecture for symmetric and factorwise group invariant functions [6.994580267603235]
まず,SFGI関数を近似する汎用ニューラルネットワークアーキテクチャを提案する。
本論文の主な貢献は、この一般的なニューラルネットワークとスケッチのアイデアを組み合わせて、特定かつ効率的なニューラルネットワークを開発することである。
我々の研究は、対称関数の普遍近似を伴う幾何学的問題に対するスケッチのアイデアの興味深い統合を提供する。
論文 参考訳（メタデータ） (2023-08-01T04:11:19Z) - A Pareto-optimal compositional energy-based model for sampling and
optimization of protein sequences [55.25331349436895]
深層生成モデルは、生命科学における逆問題に対する一般的な機械学習ベースのアプローチとして登場した。
これらの問題は、データ分布の学習に加えて、興味のある複数の特性を満たす新しい設計をサンプリングする必要があることが多い。
論文 参考訳（メタデータ） (2022-10-19T19:04:45Z) - Deep learning for the rare-event rational design of 3D printed
multi-material mechanical metamaterials [0.0]
マルチマテリアル3Dプリンティング技術は、メタマテリアルの合理的設計の道を開いた。
ネットワークの結果として生じる異方性力学特性と,特に稀な設計について検討する。
ディープラーニングに基づくアルゴリズムは、異なる設計の機械的特性を正確に予測することができる。
論文 参考訳（メタデータ） (2022-04-04T18:04:23Z) - Fold2Seq: A Joint Sequence(1D)-Fold(3D) Embedding-based Generative Model
for Protein Design [70.27706384570723]
Fold2Seqは特定の標的に条件付きタンパク質配列を設計するための新しいフレームワークである。
Fold2Seqの性能は, シーケンス設計の速度, カバレッジ, 信頼性において向上したか, 同等であったかを示す。
フォールドベースのFold2Seqの独特な利点は、構造ベースのディープモデルやRosettaDesignと比較して、3つの現実世界の課題においてより明確になる。
論文 参考訳（メタデータ） (2021-06-24T14:34:24Z) - Expressivity of Parameterized and Data-driven Representations in Quality
Diversity Search [111.06379262544911]
2つの異なる検索空間で実施した品質多様性進化探索の出力多様性を比較する。
学習モデルは、未知の例への外挿や拡大よりも、既知のデータポイント間の補間が優れている。
論文 参考訳（メタデータ） (2021-05-10T10:27:43Z) - Seeking Quality Diversity in Evolutionary Co-design of Morphology and
Control of Soft Tensegrity Modular Robots [7.765212440081057]
最適ソフトモジュールロボットの設計は、形態学とコントローラの非自明な相互作用のため困難である。
本研究では,テンセグリティソフトモジュールロボット(TSMR)の共進化設計における品質多様性向上のためのアルゴリズム的解について検討する。
我々は3つの異なるEAを使用し、1つはViability Evolution(ViE)とNEAT(ViE-NEAT)に基づいており、もう1つはDouble Map MAP-Elites(DM-ME)と呼ばれ、ロボット形態学とニューラルネットワーク(NN)ベースのコントローラを共進化させながら多様性を求めるために考案された。
論文 参考訳（メタデータ） (2021-04-25T14:49:59Z)
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。