論文の概要: Quantifying Mechanical Intelligence in Legged Robots with Information Theory

• arxiv url: http://arxiv.org/abs/2609.19588v1
• Date: Thu, 17 Sep 2026 02:15:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-20 08:55:54.068482
• Title: Quantifying Mechanical Intelligence in Legged Robots with Information Theory
• Title（参考訳）: 情報理論を用いた足ロボットの機械知能の定量化
• Abstract要約: メカニカル・インテリジェンス(Mechanical Intelligence)とは、ロボットの物理的形態による制御負担の軽減である。 脚ロボット工学の先駆的な知見を情報理論を用いて記述できることを示す。
• 参考スコア（独自算出の注目度）: 1.5229257192293202
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Mechanical intelligence, loosely defined as the reduction in control burden afforded by a robot's physical form, has become a prominent concept in robotics, with instantiations in bioinspired robotics, soft robotics, robotic swarms, and many other areas. However, rigorous theoretical understanding and quantitative measures of mechanical intelligence have lagged behind the engineering systems that the community has developed. In this work, using modern legged robots as a benchmark and exemplar, we propose several information-theoretic metrics for quantifying mechanical intelligence. By viewing body dynamics as both a computational process and a communication channel, we show that several prior insights in legged-robot engineering can be described using information theory, and we quantify how bits are processed by mechanical modes and across robot coordinates. Specifically, we examine the trade-off between explicitly incorporating compliance through series-elastic actuation and using so-called proprioceptive, low-gear-ratio transmissions, and we explore how these mechanisms interact with control policies during locomotion. We develop these results on systems of increasing complexity: a simplified linear model of a robot-leg transmission, a nonlinear single-leg simulation, and simulated quadruped robots controlled by a learned policy while navigating challenging terrain. These results lay the groundwork for broader study of robot mechanisms and their role in embodied computation.
• Abstract（参考訳）: 機械知能は、ロボットの物理的形態による制御負担の軽減として緩やかに定義されているが、ロボット工学において顕著な概念となり、バイオインスパイアされたロボット工学、ソフトロボティクス、ロボット群、その他多くの分野においてインスタンス化されている。 しかし、厳密な理論的理解と機械知能の定量的測定は、コミュニティが発展させた工学システムに遅れを取っている。 本研究では,機械知能の定量化のための情報理論の指標をいくつか提案する。 身体力学を計算処理と通信チャネルの両方として見ることにより、情報理論を用いて脚ロボット工学のいくつかの先行的な知見を記述できることを示し、我々は、ビットがどのように機械的モードとロボット座標によって処理されるかの定量化を行う。 具体的には, 直列弾性アクチュエータによるコンプライアンスを明示的に取り入れることと, いわゆるプロプリセプティブ, 低ゲア比伝送のトレードオフについて検討し, これらのメカニズムが移動中の制御ポリシとどのように相互作用するかを考察する。 本研究では,ロボットレッグ伝達の単純化された線形モデル,非線形単一レッグシミュレーション,学習方針によって制御された四足歩行ロボットを,困難な地形をナビゲートしながら,複雑化のシステム上で開発する。 これらの結果から,ロボット機構のより広範な研究と,その具体的計算における役割が明らかにされた。

関連論文リスト

• Learning Physical Interaction: A Survey of Tactile- and Force-aware Robot Learning [128.76135832773102]
  物理的に接地されたロボットインテリジェンスは、ロボットが物理的世界との相互作用を知覚し、推論し、規制することを要求する。 近年のロボット学習法は, 力, 触覚, 視覚, 言語, 触覚を学習操作ポリシーに組み込むことで, 大幅な進歩を遂げている。 これらの進歩にもかかわらず、既存の調査では、統一的な視点から、力と触覚を意識したロボット学習を明示的にレビューしていない。
  論文  参考訳（メタデータ） (2026-08-02T14:22:01Z)
• Embodied Human Simulation for Quantitative Design and Analysis of Interactive Robotics [8.590015229469186]
  本研究では,人間とロボットの相互作用を定量的に解析するためのシミュレーションベースのフレームワークを開発した。 中心となるのは、人間の力学系の予測的代理として機能する全身筋骨格モデルである。 我々は,ヒトと外骨格の相互作用を最適化する能力を示し,関節アライメントの改善と接触力の低下を示した。
  論文  参考訳（メタデータ） (2026-03-10T05:39:31Z)
• Aggregating swarms through morphology handling design contingencies: from the sweet spot to a rich expressivity [0.12744523252873352]
  我々はロボットの自己調整力学の忠実な物理モデルを構築している。 多様な自己アライメントの強さを探索することで、集団行動の豊かな表現力が得られることを示す。
  論文  参考訳（メタデータ） (2026-01-12T14:58:47Z)
• Multifunctional physical reservoir computing in soft tensegrity robots [2.0686733932673604]
  近年の研究では、物理系の力学を所望の情報処理に活用できることが示されている。 本研究では、このアプローチを拡張して、1つのだけでなく複数の動作をテングレティロボットと呼ばれるソフトロボットに組み込む。 トレーニングデータの外部に,システムの状態空間に「未学習の引き付け者」が存在することを示す。
  論文  参考訳（メタデータ） (2025-07-29T04:33:02Z)
• Redefining Robot Generalization Through Interactive Intelligence [0.0]
  ロボットファンデーションモデルは、リアルタイムの人間-ロボット共適応の複雑さを扱うために、インタラクティブなマルチエージェント視点に進化する必要がある、と我々は主張する。 シングルエージェントデザインを超えて、私たちの立場は、ロボット工学の基礎モデルがより堅牢でパーソナライズされ、予想されるパフォーマンスのレベルを達成する方法を強調しています。
  論文  参考訳（メタデータ） (2025-02-09T17:13:27Z)
• Learning Object Properties Using Robot Proprioception via Differentiable Robot-Object Interaction [52.12746368727368]
  微分可能シミュレーションは、システム識別の強力なツールとなっている。 本手法は,オブジェクト自体のデータに頼ることなく,ロボットからの情報を用いてオブジェクト特性を校正する。 低コストなロボットプラットフォームにおける本手法の有効性を実証する。
  論文  参考訳（メタデータ） (2024-10-04T20:48:38Z)
• Controlling diverse robots by inferring Jacobian fields with deep networks [48.279199537720714]
  自然生物の複雑な構造と多様な機能を反映することは、ロボット工学における長年の課題である。 本稿では,深層ニューラルネットワークを用いてロボットの映像ストリームをバイスモータヤコビアン場にマッピングする手法を提案する。 提案手法は,正確なクローズドループ制御を実現し,各ロボットの因果動的構造を復元する。
  論文  参考訳（メタデータ） (2024-07-11T17:55:49Z)
• RoboScript: Code Generation for Free-Form Manipulation Tasks across Real and Simulation [77.41969287400977]
  本稿では,コード生成を利用したデプロイ可能なロボット操作パイプラインのためのプラットフォームである textbfRobotScript を提案する。 自由形自然言語におけるロボット操作タスクのためのコード生成ベンチマークも提案する。 我々は,Franka と UR5 のロボットアームを含む,複数のロボットエボディメントにまたがるコード生成フレームワークの適応性を実証した。
  論文  参考訳（メタデータ） (2024-02-22T15:12:00Z)
• 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)

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。