論文の概要: tinyDSM: A Framework for Skill Modeling and Development for Resource-Constrained Millirobots
- arxiv url: http://arxiv.org/abs/2608.17596v1
- Date: Tue, 18 Aug 2026 10:03:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-19 21:40:53.300034
- Title: tinyDSM: A Framework for Skill Modeling and Development for Resource-Constrained Millirobots
- Title（参考訳）: littleDSM: リソース制約されたミロボットのスキルモデリングと開発のためのフレームワーク
- Abstract要約: 本研究では,資源制約の小さいシステムを生涯にわたって探索し,学習し,適応させる発達機構について検討する。
私たちは、新しいスキルのオープンな開発を奨励しながら、最小限のハードワイヤスキルを目指しています。
実験では,Raspberry Pi Pico 32ビットマイクロコントローラを搭載した36cm3の資源制約ミロボットを用いた。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this study, we investigate developmental mechanisms that enable small, resource-constrained systems such as cm-sized millirobots to autonomously explore, learn, and adapt their capabilities throughout their lifespan. Reinforcement learning algorithms guide the agent's skill acquisition and adaptation through the interplay of our proposed tinyDSM, which integrates intrinsic motivation and fitness-based assessment. We strive for minimal, hard-wired skills while encouraging the open-ended development of new skills. A key emphasis in our approach is to encode minimal a-priori general knowledge, which serves as a foundational starting point for the system as it further learns system-specific dependencies from the initial knowledge provided. Thus, by design, our approach attempts to cover very generic application domains. The methodology is based on (a) developmental mechanism with intrinsic motivation, and (b) a cognitive architecture (knowledge, reasoning, learning), while (c) utilizing minimal resources. It uses a hierarchical knowledge graph and kinematic reasoners to model and evaluate simple and advanced motion related skills. In our experiments, we use a resource-constrained millirobot with a volume of 36 cm^3 with a Raspberry Pi Pico 32-bit microcontroller (RP2040) that integrates all described features and capabilities except the camera system in 9 kB. Starting with learning the most elementary motor skills the millirobot autonomously progresses from simple linear and angular movements to complex geometric patterns within 15 minutes. To complement the physical experiments, we perform a simulation-based analysis that enables systematic comparisons across learning algorithms and intrinsic motivation parameters.
- Abstract（参考訳）: 本研究では,cmサイズのミロボットのような小型で資源に制約のあるシステムを,生涯にわたって自律的に探索し,学習し,適応する発達機構について検討する。
強化学習アルゴリズムは,本研究における本質的なモチベーションと適合度に基づく評価を統合した小型DSMの相互作用を通じて,エージェントのスキル獲得と適応を誘導する。
私たちは、新しいスキルのオープンな開発を奨励しながら、最小限のハードワイヤスキルを目指しています。
提案手法の主な重点は,システムの基本的出発点として機能する最小限のアプリオリ一般知識を符号化し,提供された初期知識からシステム固有の依存関係を学習することである。
このように、設計によって、我々のアプローチは、非常に一般的なアプリケーションドメインをカバーしようとします。
方法論は
(a)本質的な動機を持つ発達機構、及び
(b)認知的アーキテクチャ(知識、推論、学習)
(c)最小限の資源を利用する。
階層的な知識グラフとキネマティック推論を使って、シンプルで高度な動き関連スキルをモデル化し、評価する。
実験では、36cm^3の容量を持つ資源制約ミロボットとRaspberry Pi Pico 32ビットマイクロコントローラ(RP2040)を用いて、カメラシステム以外のすべての機能と機能を9kBで統合した。
ミロボットは、最も初歩的な運動技術を学ぶことから、単純な線形と角運動から15分以内に複雑な幾何学的パターンへと自律的に進む。
物理実験を補完するため,学習アルゴリズムと本質的動機づけパラメータの体系的比較を可能にするシミュレーションに基づく解析を行った。
関連論文リスト
- Why AI systems don't learn and what to do about it: Lessons on autonomous learning from cognitive science [79.50667364149979]
自律学習における現在のAIモデルの限界を批判的に検討し、人間と動物の認知に触発された学習アーキテクチャを提案する。
提案フレームワークは、内部的に生成されたメタ制御信号(システムM)の関数として、観察(システムA)からの学習と活動行動(システムB)からの学習を統合し、これらの学習モードを柔軟に切り替える。
論文 参考訳（メタデータ） (2026-03-16T14:54:56Z) - Knowledge-Informed Automatic Feature Extraction via Collaborative Large Language Model Agents [3.913122709822389]
Rogue Oneは知識インフォームド自動特徴抽出のための新しいマルチエージェントフレームワークである。
Rogue Oneは、19の分類と9の回帰データセットからなる総合的なスイートにおいて、最先端の手法を大幅に上回っていることを実証した。
論文 参考訳（メタデータ） (2025-11-19T03:27:14Z) - Fundamentals of Building Autonomous LLM Agents [64.39018305018904]
本稿では,大規模言語モデル(LLM)を用いたエージェントのアーキテクチャと実装手法について概説する。
この研究は、複雑なタスクを自動化し、人間の能力でパフォーマンスのギャップを埋めることのできる「アジェンティック」なLLMを開発するためのパターンを探求することを目的としている。
論文 参考訳（メタデータ） (2025-10-10T10:32:39Z) - Kolb-Based Experiential Learning for Generalist Agents with Human-Level Kaggle Data Science Performance [81.05882480184587]
本稿では,自律エージェントに対するVygotskyのZPDを用いて,Kolbの学習サイクルの計算フレームワークを提案する。
Agent Kは、KolbとVygotskyにインスパイアされた人間の認知学習をうまく統合する第1のAIシステムである。
金9個、銀8個、銅12個で、メダル獲得競争で金4個、銀4個を含む。エージェントKは、コルブとヴィーゴツキーにインスパイアされた人間の認知学習をうまく統合する第1のAIシステムである。
論文 参考訳（メタデータ） (2024-11-05T23:55:23Z) - Imperative Learning: A Self-supervised Neuro-Symbolic Learning Framework for Robot Autonomy [31.818923556912495]
我々は,ロボット自律のための自己教師型ニューロシンボリック(NeSy)計算フレームワーク,インペラティブラーニング(IL)を導入する。
ILを2段階最適化(BLO)として定式化し、3つのモジュール間の相互学習を可能にする。
ILはロボットの自律性を大幅に向上させ、多様な領域にわたるさらなる研究を促進することを期待している。
論文 参考訳（メタデータ） (2024-06-23T12:02:17Z) - Incremental procedural and sensorimotor learning in cognitive humanoid
robots [52.77024349608834]
本研究は,手順を段階的に学習する認知エージェントを提案する。
各サブステージで必要とされる認知機能と, エージェントが未解決の課題に, 新たな機能の追加がどう対処するかを示す。
結果は、このアプローチが複雑なタスクを段階的に解くことができることを示している。
論文 参考訳（メタデータ） (2023-04-30T22:51:31Z) - Pessimism meets VCG: Learning Dynamic Mechanism Design via Offline
Reinforcement Learning [114.36124979578896]
オフライン強化学習アルゴリズムを用いて動的メカニズムを設計する。
我々のアルゴリズムは悲観主義の原理に基づいており、オフラインデータセットのカバレッジについて軽度な仮定しか必要としない。
論文 参考訳（メタデータ） (2022-05-05T05:44:26Z) - Towards open and expandable cognitive AI architectures for large-scale
multi-agent human-robot collaborative learning [5.478764356647437]
多エージェントLfDロボット学習のための新しい認知アーキテクチャを導入し、オープンでスケーラブルで拡張可能なロボットシステムの信頼性の高い展開を可能にする。
この概念化は、ロボットプラットフォームのネットワークの端ノードで動作する複数のAI駆動の認知プロセスを採用することに依存している。
提案フレームワークの適用性は,実世界の産業ケーススタディの例を用いて説明できる。
論文 参考訳（メタデータ） (2020-12-15T09:49:22Z) - Self-organizing Democratized Learning: Towards Large-scale Distributed
Learning Systems [71.14339738190202]
民主化された学習(Dem-AI)は、大規模な分散および民主化された機械学習システムを構築するための基本原則を備えた全体主義的哲学を定めている。
本稿では,Dem-AI哲学にヒントを得た分散学習手法を提案する。
提案アルゴリズムは,従来のFLアルゴリズムと比較して,エージェントにおける学習モデルの一般化性能が向上することを示す。
論文 参考訳（メタデータ） (2020-07-07T08:34:48Z) - Uncertainty-based Modulation for Lifelong Learning [1.3334365645271111]
本稿では、Stephen Grossberg氏のAdaptive Resonance Theory(Adaptive Resonance Theory)提案に基づき、ヒト脳の神経調節機構にインスパイアされたアルゴリズムを提案する。
具体的には、不確実性の概念に基づいて構築され、継続的な学習を可能にするために一連の神経調節機構を使用している。
我々は,環境やエージェントの行動が学習過程を制約し,指導する閉ループ方式でこれらのシステムを開発する上で重要な役割を実証する。
論文 参考訳（メタデータ） (2020-01-27T14:34:37Z)
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。